有一些平臺安裝Python機器學習環境可能很麻煩。 首先你得安裝Python，然後安裝許多軟體包這很容易把初學者搞懵。 在本教程中，你將學會如何用Anaconda設定Python機器學習開發環境。 完成本教程後，你將擁有一個Python工作環境，可以讓你學習、練習和開發機器學習和深度學習軟體。 本說明適用於Windows，Mac OS X和Linux平臺。我將在OS X上演示它們，因此你可能會看到一些mac對話方塊和副檔名。

• 更新 2017/03：注：你需要一個Theano或TensorFlow才能使用Kears進行深度學習。

教程概述

在本教程中，我們將介紹如下步驟：

1. 下載Anaconda
2. 安裝Anaconda
3. 啟動和更新Anaconda
4. 更新 scikit-learn庫
5. 安裝深度學習庫

下載蟒蛇

在此步驟中，我們將為您的平臺下載Anaconda Python。 Anaconda是一個免費且易於操作的科學Python環境。

• 1.訪問Anaconda主頁。
• 2.從選單中點選“Anaconda”，點選“下載”進入下載頁面。

3.選擇適合您平臺的下載（Windows，OSX或Linux）：

• 選擇Python 3.5
• 選擇圖形安裝程式（Graphical Installer）

將Anaconda Python包下載到您的工作站。 我在OS X上，所以我選擇了OS X版本。檔案約426 MB。 你應該下載到一個名稱如下的檔案： Anaconda3-4.2.0-MacOSX-x86_64.pkg

2.安裝蟒蛇

在此步驟中，我們將在您的系統上安裝Anaconda Python軟體。 此步驟假定你具有足夠的管理許可權來在系統上安裝軟體。

• 1.雙擊下載的檔案。
• 2.按照安裝嚮導。

安裝很順利應該不會遇到棘手的問題

安裝需要不到10分鐘，佔用硬碟上1 GB的空間。

3.啟動和更新蟒蛇

在此步驟中，我們將確認您的Anaconda Python環境是不是最新的。 Anaconda配有一套名為Anaconda Navigator的圖形工具。您可以從應用程式啟動器開啟Anaconda Navigator。 您可以點選這裡瞭解有關Anaconda Navigator的所有資訊。 我們稍後使用Anaconda Navigator和圖形開發環境; 現在，我建議從Anaconda命令列環境開始，它被稱為conda。 Conda快速，簡單，不會遺漏錯誤資訊，您可以快速確認您的環境已安裝並正常工作。

• 1.開啟終端（命令列視窗）。
• 2.通過鍵入以下內容，確認正確安裝：

conda -V

你應該看到以下（或類似的東西）：

conda 4.2.9

• 3.鍵入以下內容，確認Python已正確安裝：

python -V

你應該看到以下（或類似的東西）： Python 3.5.2 :: Anaconda 4.2.0 (x86_64)

如果命令不起作用或報錯，請檢視平臺的幫助文件。 也可以參閱“延伸閱讀”部分的一些資料。

• 4.為確認您的conda環境是最新的，請輸入：

conda update conda
conda update anaconda

你可能需要給一些包安裝更新。

• 5.確認您的SciPy環境。

下面的指令碼將列印您需要用於機器學習開發的關鍵SciPy庫的版本號，如： SciPy、NumPy、Matplotlib、Pandas、Statsmodels和Scikit-learn。 您可以鍵入“python”然後直接鍵入命令。但我建議開啟一個文字文件，並將指令碼複製到文件中。

# 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__)

將指令碼儲存為名稱為versions.py的檔案。 在命令列中，將目錄更改為儲存指令碼的位置然後鍵入：

python versions.py

您應該看到如下輸出：

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庫

在這一步中，我們將在Python中更新用於機器學習的庫，名為scikit-learn。

• 1.更新scikit-learn到最新版本。

在撰寫本文時，Anaconda發行的scikit-learning版本已經過期（0.17.1，而不是0.18.1）。您可以使用conda命令更新特定的庫; 以下是將scikit-learn更新到最新版本的示例。 輸入：

conda update scikit-learn

你也可以鍵入如下內容把他升級到特定的版本：

conda install -c anaconda scikit-learn=0.18.1

為了確認是否安裝成功，你可以鍵入以下內容重新執行version.py指令碼: 你應該看到如下的輸出:

scipy: 0.18.1
numpy: 1.11.3
matplotlib: 1.5.3
pandas: 0.18.1
statsmodels: 0.6.1
sklearn: 0.18.1

你可以根據需要使用這些命令更新機器學習和SciPy庫。 點選下方連結閱讀scikit-learn教程：

• 你的第一個機器學習專案

5.安裝深度學習庫

在這一步中，我們將安裝用於深度學習的Python庫，主要是：Theano，TensorFlow和Keras。 注意：我建議使用Keras進行深度學習，而Keras只需要安裝Tnano或TensorFlow中的一個。在某些Windows系統上安裝TensorFlow可能會出現問題。

• 1.通過鍵入以下內容安裝Theano深度學習庫：

conda install theano

• 2.安裝TensorFlow深度學習庫（Windows除外），鍵入以下內容：

conda install -c conda-forge tensorflow

或者，您可以選擇使用pip和特定版本的tensorflow為您的平臺進行安裝。 詳情請參閱tensorflow的安裝說明。

• 3.通過鍵入以下內容安裝Keras：

pip install keras

• 4.確認您的深入學習環境已安裝並正常工作。

建立一個指令碼，該指令碼列印每個庫的版本號，就像我們上面為安裝SciPy環境所做的那樣。

# theano
import theano
print('theano: %s' % theano.__version__)
# tensorflow
import tensorflow
print('tensorflow: %s' % tensorflow.__version__)
# keras
import keras
print('keras: %s' % keras.__version__)

將指令碼儲存成檔案deep_versions.py。輸入以下命令來執行指令碼：

python deep_versions.py

你應該看到如下輸出：

theano: 0.8.2.dev-901275534cbfe3fbbe290ce85d1abf8bb9a5b203
tensorflow: 0.12.1
Using TensorFlow backend.
keras: 1.2.1

嘗試一下Keras深度學習教程，如：Anaconda

• 用Keras分步開發您的第一個神經網路

進一步閱讀

本節提供一些進一步閱讀的連結。

• Anaconda文件
• Anaconda文件：安裝
• conda
• 使用conda
• Anaconda導航
• 安裝Theano
• 安裝TensorFlow Anaconda
• Keras安裝

總結

恭喜你現在擁有一個用於機器學習和深入學習的工作Python開發環境。 你現在可以在工作站上學習和練習機器學習和深度學習。