如何配置anaconda和python_如何使用Anaconda设置机器学习和深度学习的Python环境
有一些平台安装Python机器学习环境可能很麻烦。
首先你得安装Python，然后安装许多软件包这很容易把初学者搞懵。
在本教程中，你将学会如何用Anaconda设置Python机器学习开发环境。
完成本教程后，你将拥有一个Python工作环境，可以让你学习、练习和开发机器学习和深度学习软件。
本说明适用于Windows，Mac OS X和Linux平台。我将在OS X上演示它们，因此你可能会看到一些mac对话框和文件扩展名。
更新 2017/03：注：你需要一个Theano或TensorFlow才能使用Kears进行深度学习。
教程概述
在本教程中，我们将介绍如下步骤：
下载Anaconda
安装Anaconda
启动和更新Anaconda
更新 scikit-learn库
安装深度学习库
下载蟒蛇
在此步骤中，我们将为您的平台下载Anaconda Python。
Anaconda是一个免费且易于操作的科学Python环境。
2.从菜单中点击“Anaconda”，点击“下载”进入下载页面。
3.选择适合您平台的下载(Windows，OSX或Linux)：
选择Python 3.5
选择图形安装程序(Graphical Installer)
将Anaconda Python包下载到您的工作站。
我在OS X上，所以我选择了OS X版本。文件约426 MB。
你应该下载到一个名称如下的文件：
Anaconda3-4.2.0-MacOSX-x86_64.pkg
2.安装蟒蛇
在此步骤中，我们将在您的系统上安装Anaconda Python软件。
此步骤假定你具有足够的管理权限来在系统上安装软件。
1.双击下载的文件。
2.按照安装向导。
安装很顺利应该不会遇到棘手的问题
安装需要不到10分钟，占用硬盘上1 GB的空间。
3.启动和更新蟒蛇
在此步骤中，我们将确认您的Anaconda Python环境是不是最新的。
Anaconda配有一套名为Anaconda Navigator的图形工具。您可以从应用程序启动器打开Anaconda Navigator。
您可以点击这里了解有关Anaconda Navigator的所有信息。
我们稍后使用Anaconda Navigator和图形开发环境; 现在，我建议从Anaconda命令行环境开始，它被称为conda。
Conda快速，简单，不会遗漏错误信息，您可以快速确认您的环境已安装并正常工作。
1.打开终端(命令行窗口)。
2.通过键入以下内容，确认正确安装：
conda -V
你应该看到以下(或类似的东西)：
conda 4.2.9
3.键入以下内容，确认Python已正确安装：
python -V
你应该看到以下(或类似的东西)：
Python 3.5.2 :: Anaconda 4.2.0 (x86_64)
如果命令不起作用或报错，请查看平台的帮助文档。
也可以参阅“延伸阅读”部分的一些资料。
4.为确认您的conda环境是最新的，请输入：
conda update conda
conda update anaconda
你可能需要给一些包安装更新。
5.确认您的SciPy环境。
下面的脚本将打印您需要用于机器学习开发的关键SciPy库的版本号，如： SciPy、NumPy、Matplotlib、Pandas、Statsmodels和Scikit-learn。
您可以键入“python”然后直接键入命令。但我建议打开一个文本文档，并将脚本复制到文档中。
# 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__)
将脚本保存为名称为versions.py的文件。
在命令行中，将目录更改为保存脚本的位置然后键入：
python versions.py
您应该看到如下输出：
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库
在这一步中，我们将在Python中更新用于机器学习的库，名为scikit-learn。
1.更新scikit-learn到最新版本。
在撰写本文时，Anaconda发行的scikit-learning版本已经过期(0.17.1，而不是0.18.1)。您可以使用conda命令更新特定的库; 以下是将scikit-learn更新到最新版本的示例。
输入：
conda update scikit-learn
你也可以键入如下内容把他升级到特定的版本：
conda install -c anaconda scikit-learn=0.18.1
为了确认是否安装成功，你可以键入以下内容重新运行version.py脚本:
你应该看到如下的输出:
scipy: 0.18.1
numpy: 1.11.3
matplotlib: 1.5.3
pandas: 0.18.1
statsmodels: 0.6.1
sklearn: 0.18.1
你可以根据需要使用这些命令更新机器学习和SciPy库。
点击下方链接阅读scikit-learn教程：
5.安装深度学习库
在这一步中，我们将安装用于深度学习的Python库，主要是：Theano，TensorFlow和Keras。
注意：我建议使用Keras进行深度学习，而Keras只需要安装Tnano或TensorFlow中的一个。在某些Windows系统上安装TensorFlow可能会出现问题。
1.通过键入以下内容安装Theano深度学习库：
conda install theano
2.安装TensorFlow深度学习库(Windows除外)，键入以下内容：
conda install -c conda-forge tensorflow
或者，您可以选择使用pip和特定版本的tensorflow为您的平台进行安装。
详情请参阅tensorflow的安装说明。
3.通过键入以下内容安装Keras：
pip install keras
4.确认您的深入学习环境已安装并正常工作。
创建一个脚本，该脚本打印每个库的版本号，就像我们上面为安装SciPy环境所做的那样。
# theano
import theano
print('theano: %s' % theano.__version__)
# tensorflow
import tensorflow
print('tensorflow: %s' % tensorflow.__version__)
# keras
import keras
print('keras: %s' % keras.__version__)
将脚本保存成文件deep_versions.py。输入以下命令来运行脚本：
python deep_versions.py
你应该看到如下输出：
theano: 0.8.2.dev-901275534cbfe3fbbe290ce85d1abf8bb9a5b203
tensorflow: 0.12.1
Using TensorFlow backend.
keras: 1.2.1
尝试一下Keras深度学习教程，如：Anaconda
进一步阅读
本节提供一些进一步阅读的链接。
总结
恭喜你现在拥有一个用于机器学习和深入学习的工作Python开发环境。
你现在可以在工作站上学习和练习机器学习和深度学习。