Anaconda环境配置 机器学习环境 深度学习环境配置

前言

环境配置这块，网上的资料非常多，简而言之，使用Anaconda，安装好必要的科学计算包。

步骤

step1.

下载Anaconda

step2.

安装Anaconda，windows下勾选上Add Path To System

step3.

使用Anaconda Prompt进行以下环境配置

conda update conda
conda update anaconda
//确认您的conda环境是最新的

将以下命令保存到versions.py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__)

在命令行上，将目录更改为保存脚本的位置并键入：

python versions.py

你将会看到以下科学计算包版本

scipy: 1.1.0
numpy: 1.15.4
matplotlib: 3.0.2
pandas: 0.23.4
statsmodels: 0.9.0
sklearn: 0.20.1

step4.

在这一步中，我们将更新用于Python机器学习的主库，名为scikit-learn。

Anaconda附带的scikit-learn版本已过时(笔者安装时)

conda update scikit-learn

step5.

接下来安装深度学习可能会用到的所有库

Theano深度学习库：

conda install theano

TensorFlow深度学习库：

conda install tensorflow

Keras：

	
pip install keras

查看安装结果，将以下代码放入deep_versions.py

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

键入 python deep_versions.py

以上操作默认在base虚拟环境中，可自行创建虚拟环境命名为tensorflow