机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)

目录

一、Anaconda下载安装

二、conda与pip换源

三、Conda使用和管理虚拟环境

四、Conda安装机器学习相关库

五、pycharm使用虚拟环境

六、jupyter notebook使用虚拟环境


一、Anaconda下载安装

1、方式一:

  官网下载,下载地址:

  官网首页:Anaconda | The World's Most Popular Data Science Platform

  官网下载页:https://www.anaconda.com/products/individual#Downloads

  直接选择相应的installer即可

2、方式二:清华镜像下载(推荐)

  在官网下载比较慢,而且容易断,推荐用下面清华镜像方式:

  下载地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

  打开后,可以通过Date排序找到最新版本下载,windows系统,一般64位选下图红框中发就好

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第1张图片

3、下载后,就和正常软件安装一样,需要注意以下几点:

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第2张图片

这里可以先不用选Add sys path,只勾选Register。 推荐安装之后手动配置SysPath,避免配置导致后期使用上的问题。

4、安装成功后可以从开始菜单看到,除了Anaconda,默认还带了JupyterSpyder

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第3张图片

5、配置Anaconda环境变量

打开电脑高级系统配置:此电脑-->高级系统设置-->环境变量

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第4张图片机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第5张图片机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第6张图片

 找到系统变量中的Path,然后点击‘编辑 ’或直接双击

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第7张图片

添加Anaconda的安装目录及相应bin目录(这里需要自己对应自己的安装目录和对应的bin目录)进去,如下图,完成配置

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第8张图片

 最后可以简单通过cmd(win+R)输入conda 命令检查下安装配置是否成功:

快捷键win(键盘上图标是这样的)+R

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第9张图片

“确定”之后,出现命令行,输入conda --version,enter之后出现conda的版本号,输入conda info,enter之后出现conda的一些配置信息

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第10张图片

二、conda与pip换源

conda或pip的官方源在国外,直连速度较慢,因此需要换为国内的镜像源,这样pip或conda下载依赖包、库就会快很多。

1、conda换源

cmd打开命令行(上文有提),通过输入下面命令配置为清华源:

conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第11张图片

 最后在命令行中输入conda --show channels

 会显示目前的channels

2、pip换源

1打开此电脑,进入C盘、用户、用户名,然后新建一个pip文件夹

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第12张图片

2)进入pip文件夹,新建一个文本文件,然后改名pip.ini,该文件就是pip的配置文件,如果改完之后图标没变化,说明没有显示文件扩展名,点击查看,随后勾选显示文件扩展名。

 机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第13张图片

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第14张图片

3)打开pip.ini文件,将以下内容粘贴进去并保存

[global]
index-url = https://repo.huaweicloud.com/repository/pypi/simple
trusted-host = repo.huaweicloud.com
timeout = 120

 机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第15张图片

保存退出后即可。

三、Conda使用和管理虚拟环境

虚拟环境:

在实际项目开发中,我们通常会根据自己的需求去下载各种相应的框架库,如Scrapy、Beautiful Soup等,但是可能每个项目使用的框架库并不一样,或使用框架的版本不一样,这样需要我们根据需求不断的更新或卸载相应的库。直接怼我们的Python环境操作会让我们的开发环境和项目造成很多不必要的麻烦,管理也相当混乱。虚拟环境可以解决这样一个问题,通常情况下,一个项目可以新建一个虚拟环境,在这个环境里面下载、更新这个项目需要的库,这样就不会混乱,后面项目结束也可以直接将对应的虚拟环境删掉。

比如我们现在上机器学习课程,可以先建一个名叫“MLC_2022(machine_learnig_course_2022),课程需要的库都可以在这个虚拟环境中下载安装,项目运行也在这个虚拟环境中。

 1、运行Anaconda Prompt

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第16张图片

2、创建虚拟环境:

conda create -n env_name python=x.x

 env_name 为虚拟环境名称,x.x为虚拟环境python的版本,根据需求来定

输入命令enter之后安装创建虚拟环境,创建好出现如下图提示:

 机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第17张图片

3、激活虚拟环境

conda activate env_name

激活后,原先是(base)变成了(MLC_2022),说明目前所处的环境是MLC_2022

 

这时候可以输入python,查看python的版本,可以看到是创建虚拟环境指定的3.8版本

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第18张图片

4、退出虚拟环境

conda deactivate

 

 退出后,变回了原来的(base)python的版本也变为了原本的3.7版本

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第19张图片

其他更多的有关虚拟环境的指令同学们自学,虚拟环境的使用和管理在实际项目中用的还是挺多的

四、Conda安装机器学习相关库

进入虚拟环境MLC_2022,conda list 命令查看环境所有的库

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第20张图片

 1、pip安装机器学习相关库

pip install -U scikit-learn    (注意进入对应的虚拟环境再安装)

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第21张图片

安装成功后,进入python

可按照下图import这些模块,如果没有报错,则安装成功

 机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第22张图片

 注:机器学习库是安装在MLC_2022环境里面,所以运行项目也要在对应的环境运行,才能调用相应的库。下面介绍在pycharm和jupyter中如何使项目在对应的虚拟环境中运行。

五、pycharm使用虚拟环境

1、Pycharm新建项目时

选择conda建立的虚拟环境,路径一般是安装路径下找envs,里面有你创建的虚拟环境,如:D:\Anaconda\envs\MLC_2022\python.exe

D:\Anaconda\anaconda的安装路径

envs是虚拟环境所在文件夹

MLC_2022\python.exe就是conda创建的MLC_2022环境里面的python解释器

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第23张图片

这样你创建的项目就会运行在对应的虚拟环境中。

2、pycharm切换运行环境

在已有项目的情况下,想改变当前项目的运行环境,可以使用如下方法:

进入一个工程界面后,点击左上角File、Settings,然后进入工程设置界面

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第24张图片

择左侧工程下面的Python Interpreter,然后右侧下拉选择解释器

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第25张图片

六、jupyter notebook使用虚拟环境

anaconda自带jupyter notebook,Jupyter的具体使用方法同学们自己网上搜教程,这里提醒几个关键的地方:

1、jupyter的启动目录的设置

Jupyter默认的启动路径如右图所示,我们希望它能够在我们自己创建的项目目录里面。

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第26张图片

1首先要找到配置文件位置

在开始菜单里找到并打开Anaconda Prompt,输入如下命令,然后执行。

jupyter notebook --generate-config

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第27张图片

2打开上一步生成的配置文件:

C:\Users\Administrator\.jupyter\jupyter_notebook_config.py

实际上,C:\Users\Administrator就是Jupyter notebook的默认路径:

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第28张图片

3jupyter_notebook_config.py中找到并修改如下配置项:

修改前:  #c.NotebookApp.notebook_dir = ''

删除前面的 # 号,在后面的单引号里输入要设置的目录路径,保存关闭。

我的修改: c.NotebookApp.notebook_dir = ‘D:\\MLC_2022\\Jupyter_2022'

(注意修改的路径是已存在的路径,也就是你需要先创建这个Jupyter_2022文件夹)

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第29张图片

这样再打开Jupyter就是自己设置的项目路径了

2、如何在自己conda新建的虚拟环境中运行jupyter

1)激活环境   conda activate MLC_2022

2)安装工具   conda install ipykernel

3)配置kenel   python -m ipykernel install --user --name MLC_2022 --display-name “MLC_2022"

完成后,在相应的虚拟环境中输入

jupyter notebook

即可打开jupyter

 机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第30张图片

注意在jupyter notebook在虚拟环境中运行,复制红框中的链接到浏览器打开,点击new,就可以看到我们conda 创建的虚拟环境,用这个虚拟环境新建文件,文件就会在虚拟环境中运行

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第31张图片

 可以看到,import numpy等库没有报错,python的版本也是3.8.2,与MLC_2022虚拟环境一致

机器学习、anaconda、sklearn、jupyter基础环境配置(windows版)_第32张图片

 另外,在使用jupyter notebook时,路径命名尽量不要写中文。Windows账户昵称是中文的同学在使用过程中还可能遇到“Bad file descriptor(C:\ci\zeromq_1602704446950\work\src\epoll.cpp:100)”的问题,就是由于路径中有中文导致的,可参考博客解决:

https://blog.csdn.net/python_bigniu/article/details/120923326?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522164196551816780269852988%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=164196551816780269852988&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-1-120923326.first_rank_v2_pc_rank_v29&utm_term=jupyter+%E6%8A%A5%E9%94%99bad+file&spm=1018.2226.3001.4187

 

你可能感兴趣的:(python,机器学习,sklearn,jupyter)