机器学习，深度学习，环境搭建 #博学谷IT学习技术支持#

目录

 

一 Anaconda

1 Anaconda环境搭建

2 Anaconda的使用

3  启动jupyter服务。

 4  DateSpell

5  之后都是通过Linux系统启动jupyter服务。通过DataSpell 连接jupyter服务，来编写程序

---

 

一 Anaconda

 

1 Anaconda环境搭建

Anaconda 是最流行的数据分析平台。，附带了一非常用数据科学包，是在conda(一个包管理器和环境管理器。)上发展出来的。包含了虚拟环境管理工具，通过虚拟环境可以使不同的Python或者开源库的版本，同时存在。它可以用于多个平台Windows，Mac OS X和Linux。 可以在官网上下载对应平台的安装包，安装过程很简单，一路下一步。Linux下安装。先上传文件。通过ls命令查找上传的文件,来确认是否已经上传。添加可执行权限。 chmod +x 文件名称。./文件名称。安装，一路回车。安装完成之后，要重新打开一个终端。因为刚刚配置好的像并没有立即生效。重新打开后，前面有一个base。就说明Anaconda已经安装完成。

2 Anaconda的使用

因为不同的项目，所用的包，模块，Python的版本是不同的，所以我们需要 把代码运行的依赖环境彼此分开隔离。让不同项目代码的运行，使用保存在不同路径下的Python和各自的包模块。。

虚拟环境: 不同位置的Python解释器和包模块。

虚拟环境的本质就是在你电脑里安装了多个Python解释器。(可执行程序)。每个Python解释器又关联了很多个包，模块，在项目代码运行时 ，使用特定路径下的那个Python解释器来执行。

通过命令，创建虚拟环境，格式如下:

3  启动jupyter服务。

    我们之前在pycharm中写代码比较多,之后 会经常使用jupyter和notebook。,因为机器学习深度学习课程的内容是探索性过程，需要反复的去试错，要调试很多次。加载一次数据文件，后续所有的试错和尝试都不用重复加载。因为它的数据会一直保存在jupyter中。除非你重启了jupyter服务。另外他还可以把我们记的笔记和画图,在同一个文件中展示出来。

    先创建目录，再上传jupyter配置文件。启动jupyter :  jupyter notebook

    之前已经安装好了notebook，如果没有安装的话，可以重新安装。再启动。

   直接使用 jupyter notebook 来启动 jupyter notebook，会和终端绑定在一起。所以可以使用 nohup jupyter notebook &  来启动。

 4  DateSpell

      面向数据科学的IDE，支持本地和远程jupyter和notebook。 安装，一路，下一步，就可以了。

     DateSpell使用:  Environment ， add，连接成功之后，在 刚刚新加入的文件夹上右键。new Jupyter Notebook，就可以创建文件了。打开文件，每一行都是一个单元格。一个单元格里可以放入一段代码。每个单元格都可以单独的运行。

5  之后都是通过Linux系统启动jupyter服务。通过DataSpell 连接jupyter服务，来编写程序