机器学习工具（一） —— Anaconda

学术不分国界，技术没有底线

现在有非常多优秀的框架和工具每天都在更新，同学们当然要首选自己用着顺手的家伙什。但是对于刚起步的哥们来说，选择一个好的开发装备是可以事半功倍的。以我的经验和研究来看，推荐这组经典四件套：Anaconda，Jupyter Notebook，Tensorflow，Python。

---

对于工具的选择并非脑袋一时热，或者人云亦云。流行的也并非一定是最好的，但肯定有他流行的理由；冷门的也并不一定是性能差，但肯定有它无人问津的短板。所以我们应该有一些自己看中的点作为选择的标准，对于我而言：

选择工具的标准

1. 广泛的兼容性

你绝不会想在Mac OS上写的程序在Windows OS上不能跑，一样的味道却需要不同的配方，这不是给自己添堵吗。你也肯定不想版本更新后，满篇全是bug又无从下手。所以选择的工具开发的产品最好具有很好的兼容性。

2. 丰富的功能包支持

这点非常容易理解但也非常重要。现在每天都有许多新的工具面试，声称完胜市场老大老二老三，但是你稍微深入研究就会发现，这些新工具很多都是用于特殊的领域和方向，当你动手码字的时候就会发现你大部分的时间都在造轮子。这是我们非常不愿意看到的。所以很多人说Tensorflow不好，但是它却有着异常丰富的package库供你使用。最好是有着活跃的社区支持，保证它实时跟进。

3. 便捷的环境管理

相信这是大家最头疼的地方。环境的设置在开发中至关重要，尤其是参数路径的设置经常需要更改，但是又牵一发而动全身。如果工具可以提供便捷的环境设置管理，绝对会省去你很多无谓的浪费。

---

什么是Anaconda

Anaconda对自己的定义是: 最受欢迎的Python数据科学平台

来自： Anaconda官网

翻译一下，Anaconda是一个Python发行版，支持Windows，Mac和Linux系统， 它利用conda进行包管理和环境管理。它预装了包括python在内的众多开发所需的基本工具，同时conda支持几乎所有的第三方工具和包。在环境管理方面，你可以十分简单的创建更新和删除支持不同python版本的环境，方便了你在不同的环境里做不同的设置。

Anaconda安装与设置

1. 下载 ：官方下载网站， 注意选择的是默认的python版本

2. 安装 ： 安装过程非常简单，就是点点点。完事之后让我们来验证一下是否安装成功

conda --version   # 如果安装成功，会显示该版本的号码

conda update conda # 若想要更新conda到最新版本 

conda upgrade --all  # 建议在打开后运行，更新所有已安装包 

3. 环境设置 ： 魔术时间。正如前文所说，conda支持十分便捷的环境创建，和我们在Git环境中创建Branch一样，你可以创建一个独立的虚拟环境用来开发。为什么？有些时候我们希望在不同的项目甚至版本中有不同的环境设置，彼此不相互影响。

环境创建

#  conda create --name

conda create --name env_one python=3.6 # 创建一个名为env_one的环境，并在其中安装python3.6包

conda create -n python3 python=3.6 numpy pandas  #支持同时安装多个包， --name参数等价于-n

环境登入与退出

Linux和Mac OS ：

source activate env_one  # source activate 登入环境env_one

source deactivate  # source deactivate退出当前环境

Windows：

activate env_one  # activate 登入环境env_one

deactivate # deactivate 退出当前环境

环境查看与删除

conda env list # 列出所有环境

conda remove --name --all # 删除环境

4. 安装包

在进入目标环境之后，

conda install

conda install numpy scipy pandas # 同时安装多个包

conda install numpy=1.10 # 指定安装版本

conda remove    # 删除

如果不能成功安装，可以尝试进入https://anaconda.org/ 搜索目标package，然后根据命令行安装

搜索Tensorflow界面

conda install -c conda-forge tensorflow  #运行即可安装tensorflow

检查是否安装成功

python -c  “import tensorflow as tf; print(tf.__version__)” # 使用python

python3 -c  “import tensorflow as tf; print(tf.__version__)” # 使用python3

到这里Anaconda的基本使用我们已经掌握了，如果在开发过程中遇到任何关于Anaconda的设置问题，stackoveflow里绝对有你的答案。这也是使用流行工具的一个好处，你绝对不是第一个遇到问题的人。