如何使用Anaconda设置机器学习和深度学习的Python环境
有一些平台安装Python机器学习环境可能很麻烦。 首先你得安装Python,然后安装许多软件包这很容易把初学者搞懵。 在本教程中,你将学会如何用Anaconda设置Python机器学习开发环境。 完成本教程后,你将拥有一个Python工作环境,可以让你学习、练习和开发机器学习和深度学习软件。 本说明适用于Windows,Mac OS X和Linux平台。我将在OS X上演示它们,因此你可能会看到一些mac对话框和文件扩展名。
- 更新 2017/03:注:你需要一个Theano或TensorFlow才能使用Kears进行深度学习。
教程概述
在本教程中,我们将介绍如下步骤:
- 下载Anaconda
- 安装Anaconda
- 启动和更新Anaconda
- 更新 scikit-learn库
- 安装深度学习库
下载蟒蛇
在此步骤中,我们将为您的平台下载Anaconda Python。 Anaconda是一个免费且易于操作的科学Python环境。
- 1.访问Anaconda主页。
- 2.从菜单中点击“Anaconda”,点击“下载”进入下载页面。
3.选择适合您平台的下载(Windows,OSX或Linux):
- 选择Python 3.5
- 选择图形安装程序(Graphical Installer)
将Anaconda Python包下载到您的工作站。 我在OS X上,所以我选择了OS X版本。文件约426 MB。 你应该下载到一个名称如下的文件: Anaconda3-4.2.0-MacOSX-x86_64.pkg
2.安装蟒蛇
在此步骤中,我们将在您的系统上安装Anaconda Python软件。 此步骤假定你具有足够的管理权限来在系统上安装软件。
- 1.双击下载的文件。
- 2.按照安装向导。
安装很顺利应该不会遇到棘手的问题
安装需要不到10分钟,占用硬盘上1 GB的空间。
3.启动和更新蟒蛇
在此步骤中,我们将确认您的Anaconda Python环境是不是最新的。 Anaconda配有一套名为Anaconda Navigator的图形工具。您可以从应用程序启动器打开Anaconda Navigator。 您可以点击这里了解有关Anaconda Navigator的所有信息。 我们稍后使用Anaconda Navigator和图形开发环境; 现在,我建议从Anaconda命令行环境开始,它被称为conda。 Conda快速,简单,不会遗漏错误信息,您可以快速确认您的环境已安装并正常工作。
- 1.打开终端(命令行窗口)。
- 2.通过键入以下内容,确认正确安装:
conda -V
你应该看到以下(或类似的东西):
conda 4.2.9
- 3.键入以下内容,确认Python已正确安装:
python -V
你应该看到以下(或类似的东西): Python 3.5.2 :: Anaconda 4.2.0 (x86_64)
如果命令不起作用或报错,请查看平台的帮助文档。 也可以参阅“延伸阅读”部分的一些资料。
- 4.为确认您的conda环境是最新的,请输入:
conda update conda
conda update anaconda
你可能需要给一些包安装更新。
- 5.确认您的SciPy环境。
下面的脚本将打印您需要用于机器学习开发的关键SciPy库的版本号,如: SciPy、NumPy、Matplotlib、Pandas、Statsmodels和Scikit-learn。 您可以键入“python”然后直接键入命令。但我建议打开一个文本文档,并将脚本复制到文档中。
# scipy
import scipy
print('scipy: %s' % scipy.__version__)
# numpy
import numpy
print('numpy: %s' % numpy.__version__)
# matplotlib
import matplotlib
print('matplotlib: %s' % matplotlib.__version__)
# pandas
import pandas
print('pandas: %s' % pandas.__version__)
# statsmodels
import statsmodels
print('statsmodels: %s' % statsmodels.__version__)
# scikit-learn
import sklearn
print('sklearn: %s' % sklearn.__version__)
将脚本保存为名称为versions.py的文件。 在命令行中,将目录更改为保存脚本的位置然后键入:
python versions.py
您应该看到如下输出:
scipy: 0.18.1
numpy: 1.11.1
matplotlib: 1.5.3
pandas: 0.18.1
statsmodels: 0.6.1
sklearn: 0.17.1
4.更新scikit-learn库
在这一步中,我们将在Python中更新用于机器学习的库,名为scikit-learn。
- 1.更新scikit-learn到最新版本。
在撰写本文时,Anaconda发行的scikit-learning版本已经过期(0.17.1,而不是0.18.1)。您可以使用conda命令更新特定的库; 以下是将scikit-learn更新到最新版本的示例。 输入:
conda update scikit-learn
你也可以键入如下内容把他升级到特定的版本:
conda install -c anaconda scikit-learn=0.18.1
为了确认是否安装成功,你可以键入以下内容重新运行version.py脚本: 你应该看到如下的输出:
scipy: 0.18.1
numpy: 1.11.3
matplotlib: 1.5.3
pandas: 0.18.1
statsmodels: 0.6.1
sklearn: 0.18.1
你可以根据需要使用这些命令更新机器学习和SciPy库。 点击下方链接阅读scikit-learn教程:
- 你的第一个机器学习项目
5.安装深度学习库
在这一步中,我们将安装用于深度学习的Python库,主要是:Theano,TensorFlow和Keras。 注意:我建议使用Keras进行深度学习,而Keras只需要安装Tnano或TensorFlow中的一个。在某些Windows系统上安装TensorFlow可能会出现问题。
- 1.通过键入以下内容安装Theano深度学习库:
conda install theano
- 2.安装TensorFlow深度学习库(Windows除外),键入以下内容:
conda install -c conda-forge tensorflow
或者,您可以选择使用pip和特定版本的tensorflow为您的平台进行安装。 详情请参阅tensorflow的安装说明。
- 3.通过键入以下内容安装Keras:
pip install keras
- 4.确认您的深入学习环境已安装并正常工作。
创建一个脚本,该脚本打印每个库的版本号,就像我们上面为安装SciPy环境所做的那样。
# theano
import theano
print('theano: %s' % theano.__version__)
# tensorflow
import tensorflow
print('tensorflow: %s' % tensorflow.__version__)
# keras
import keras
print('keras: %s' % keras.__version__)
将脚本保存成文件deep_versions.py。输入以下命令来运行脚本:
python deep_versions.py
你应该看到如下输出:
theano: 0.8.2.dev-901275534cbfe3fbbe290ce85d1abf8bb9a5b203
tensorflow: 0.12.1
Using TensorFlow backend.
keras: 1.2.1
尝试一下Keras深度学习教程,如:Anaconda
- 用Keras分步开发您的第一个神经网络
进一步阅读
本节提供一些进一步阅读的链接。
- Anaconda文档
- Anaconda文档:安装
- conda
- 使用conda
- Anaconda导航
- 安装Theano
- 安装TensorFlow Anaconda
- Keras安装
总结
恭喜你现在拥有一个用于机器学习和深入学习的工作Python开发环境。 你现在可以在工作站上学习和练习机器学习和深度学习。
- go 并发处理脚本
- 生信菜鸟团博客2周年精选文章集(4)NCBI数据库的几个探索
- PHP 的前世今生
- 【直播】我的基因组49:Y染色体的SNV不能用常规流程来找?
- 【直播】我的基因组46:SNV突变(96种)频谱的制作
- 深入剖析-Oracle索引分支块的结构
- 【直播】我的基因组48:我可能测了一个假的全基因组
- 【直播】我的基因组47:测序深度和GC含量的关系
- 【直播】我的基因组47:测序深度和GC含量的关系
- SNV突变(96种)频谱的制作
- Golang语言社区--go语言执行cmd命令关机、重启等
- 【直播】我的基因组 45:SNV突变(6种)频谱的制作
- 【直播】我的基因组 44:比对文件画profile和heatmap图
- 做过1000遍RNA-seq的老司机告诉你如何翻车
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- 告别setState()! 优雅的UI与Model绑定 Flutter DataBus使用~
- k8s etcd 的实现原理
- iOS动态View的探索
- 安卓开发的瑞士军刀“Retrofit2框架”
- R语言中的广义线性模型(GLM)和广义相加模型(GAM):多元(平滑)回归分析保险资金投资组合信用风险敞口
- 来玩 TencentOS tiny 物联网终端操作系统
- LeetCode | 66.加一
- PNN:Product-based Neural Networks for User Response Prediction
- Redis | Redis Pub/Sub相关命令
- nginx upstream header过大是啥情况
- 8个写JavaScript代码的小技巧
- .NET Core中间件与依赖注入的一些思考
- 如何审计MySQL 8.0中的分类数据查询?
- 聊一个 GitHub 上开源的 RBAC 权限管理系统,很6!
- Spring AOP,应该不会有比这更详细的介绍了!