如何使用Anaconda設定機器學習和深度學習的Python環境
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:
- 下載Anaconda
- 安裝Anaconda
- 啟動和更新Anaconda
- 更新 scikit-learn庫
- 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。