科学计算环境配置教程

科学计算环境配置教程

你本次需要安装,最好用有线网下载。

  • Anaconda

  • spyder

  • jupyter notebook

  • Sklearn

  • XgBoost

  • LightGBM

  • CatBoost

  • Keras

  • TensorFlow

文末有介绍如何在实验室的文件服务器上,下载所需要的安装包。

1.Anaconda安装

如果你已经装了Anaconda,并且在使用过程中没有出现奇怪的问题,可以跳过安装步骤。

否则,建议你把原来的卸载掉,按照这个步骤重新安装!!!

1.1安装

首先在清华镜像站下载安装包:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

  1. 选择Anaconda3-5.0.1版本下载(经踩坑发现,5.2和5.3版本在创建环境时存在bug;所以不要在意后面图片写的是5.3版本的,事实上我在5.0版本上才安装成功)
1.jpg
  1. 运行安装包,改变安装目录,将其放到非系统盘
2.jpg
  1. 将两个选项都勾上,安装
3.jpg
  1. 这里选择跳过
 ![4.jpg](https://upload-images.jianshu.io/upload_images/7007489-4af3e97327194fff.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

1.2 更换conda镜像源

anaconda默认的镜像源在国外,访问速度非常慢。所以这里我们首先将它改为国内的清华镜像站。

  1. 按下win+R快捷键,在运行窗口输入cmd
5.jpg
  1. 在cmd中,依次输入以下三行命令。(逐条复制上去)
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 --set show_channel_urls yes

像这样就完成了


6.jpg

1.3 更换pip源

默认pip源也在国外,这里换成国内豆瓣提供的pip源:

    1. 在C:\Users\【你的用户名】 目录下新建一个名为pip的文件夹
    8.jpg
    1. pip目录下创建pip.txt文件,并将文件后缀名改为ini
7.jpg

将以下内容写入文件,并保存

[global]
timeout = 60
index-url = https://pypi.doubanio.com/simple
    1. 完成

2环境安装

2.0 Anaconda

anaconda 5.0默认Python版本为3.6.3,目前已经支持TensorFlow了,这意味着你可以跳过这一步。

但是,保险起见,我们还是使用Python3.5环境,因为这个版本的Python,有更多的科学计算包兼容它。

    1. 在开始菜单中启动它。(启动较慢,需等待)
9.jpg
    1. 创建一个名为py35的python 3.5环境
10.jpg
    1. 接下来安装所要的包
11.jpg

注意将Applications on切换到新建的py35环境,把箭头所指的都装上。

以上步骤,如果你打不开界面,或者安装时报错,可以在命令行中进行操作。在cmd中依次执行以下命令:

conda create -n py35 python=3.5
activate py35
conda install spyder
conda install jupyter
conda install glueviz
    1. 安装完成后启动这个jupyter notebook
    12.jpg

    1. 在浏览器打开这个地址
    13.jpg
    1. 在右上角,新建一个ipython文件
    14.jpg
    1. 确保这段代码能够正常运行,即安装成功
    15.jpg

如果没有报错,则说明上面步骤没有问题。

2.1 安装scikit-learn

在cmd中输入以下命令,激活刚刚创建的py35环境

activate py35
16.jpg

注意:在cmd中使用命令操作所创建的环境之前,都需要指定一个环境,并激活它。

使用(activate + 环境名称)激活环境

一共两步

  1. 输入activate py35,激活环境

  2. 输入

    pip install scikit-learn
    
17.jpg

运行这段代码,如果没有报错则说明安装成功

from sklearn.ensemble import RandomForestClassifier

2.2 安装XGBOOST

输入以下命令:安装

pip install xgboost

检查是否安装成功

import xgboost as xgb

2.3 安装LightGBM

输入以下命令:安装

pip install lightgbm

检查是否安装成功

import lightgbm as lgb

2.4 安装CatBoost

输入以下命令:安装

pip install catboost

检查是否安装成功

from catboost import CatBoostClassifier

2.5 安装TensorFlow CPU版

如果你没有显卡,或者你的显卡不是Nvidia的,请安装CPU版。

pip install tensorflow

2.6 安装TensorFlow GPU版

如果你的显卡是NVIDIA的,建议安装GPU版,它支持cuda加速,可以十倍提高精算性能。

在安装GPU版的tensorflow之前,你需要安装CUDA Toolkit和cuDNN

注意:在进行以下步骤之前,请再次确认,你的显卡是NVIDIA的显卡,并且显卡驱动版本为384.x或以上。

最新release版本的tensorflow需要以下工具包。安装时,一定要注意版本号对不对!!

  • CUDA® Toolkit —TensorFlow supports CUDA 9.0.
  • cuDNN SDK (>= 7.2)

这两个安装包已经上传到了群文件,请直接下载安装。(安装包是win10的,其他系统自行下载)

CUDA

运行cuda_9.0.176_win10.exe文件

  1. 首先选择一个临时文件夹,在安装结束后可以将其删除
18.jpg
  1. 选择Custom安装!!
19.jpg
  1. 建议将这三个文件夹放在同一目录下(方便后面查找)

    20.jpg
  1. 一路next,安装完成

cuDNN

  1. 解压cudnn-9.0-windows10-x64-v7.4.1.5.zip

  2. 复制解压出来的文件

    21.jpg
  1. 将其复制到cuda/development目录

    22.jpg
  1. 在环境变量中添加以下路径

    23.jpg

注意将目录改成自己的

24.jpg

安装tensorflow-gpu

  1. 激活环境后,在cmd输入以下命令进行安装:
pip install tensorflow-gpu
  1. 运行以下代码,检测是否安装成功

    import tensorflow as tf
    hello = tf.constant('Hello, TensorFlow!')
    sess = tf.Session()
    print(sess.run(hello))
    

2.7 Keras安装

注意:Keras一定要在装好TensorFlow之后安装。

输入以下命令:安装

pip install Keras

运行以下代码,检测是否安装成功

from keras.layers import Dense

- 恭喜你,终于把环境配好了~

文件下载

  • Anaconda安装包
  • CUDA安装包
  • cuDNN文件

以上文件均已上传到实验室文件服务器。

使用有线网,在地址栏输入\\file.kenvix.com\File\科学计算环境安装,即可下载。

25.jpg

最后介绍一下jupyter notebnook快捷键

快捷键有很多,这里介绍最常用的几个

  • Shift-Enter : 运行本单元,选中下个单元
  • Ctrl-Enter : 运行本单元
  • Alt-Enter : 运行本单元,在其下插入新单元
  • Shift-Tab : 输出帮助信息,部分函数、类、方法等会显示其定义原型,如果在其后加 ? 再运行会显示更加详细的帮助
  • Tab : 代码补全
  • ESC : 进入命令模式
  • A : 命令模式下使用,向上增加单元
  • B : 命令模式下使用,向下增加单元

随安装教程发布的还有Python入门的jupyter notebook文件,

请用jupyter notebook打开,并弄懂里面的代码。

  • 欢迎关注我的公众号,一起学习!

MachineEpoch

你可能感兴趣的:(科学计算环境配置教程)