【机器学习 & 深度学习】开发工具Anaconda的安装与使用

个人主页:为梦而生~ 关注我一起学习吧!
专栏
机器学习 :相对完整的机器学习基础教学!
机器学习python实战:用python带你感受真实的机器学习
深度学习:现代人工智能的主流技术介绍
往期推荐
【机器学习 & 深度学习】神经网络简述
【机器学习 & 深度学习】卷积神经网络学习笔记
【Python基础 & 机器学习】Python环境搭建(适合新手阅读的超详细教程)


文章目录

  • 前言
  • 安装Anaconda
    • 关于Anaconda的介绍
    • Anaconda安装情况的选择
    • anaconda的安装
    • 测试安装
    • anaconda的使用
      • 情况一:电脑现在没有装python或者现在装的可以卸载掉
      • 情况二:电脑目前装了python,但想保留它
        • 方法一(不推荐)
        • 方法二(推荐)
      • 添加国内源


前言

在上一篇文章中,我们安装好了python,但是对于深度学习,这还不够。

对于他们的使用,也有很多注意事项,下面就来介绍一下。


安装Anaconda

关于Anaconda的介绍

在学习机器学习时,一般都会使用Anaconda。

Anaconda是一个强大的开源数据科学平台,它将很多好的工具整合在一起,极大地简化了使用者的工作流程,并能够帮助使用者解决一系列数据科学难题。

Anaconda安装情况的选择

  1. 电脑现在没有装python或者现在装的可以卸载掉(装Anaconda时先卸python);

  2. 电脑目前装了python,但想保留它;

他们在安装阶段并没有什么不同,只是使用阶段会不一样。所以,首先介绍anaconda的安装,安装后分情况讨论使用方法。

anaconda的安装

你可以根据你的操作系统是32位还是64位选择对应的版本到官网下载(https://www.anaconda.com),但是官网下载龟速,建议到清华大学镜像站下载

下载好合适的版本之后将安装包用管理员身份打开,开始下载程序
【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第1张图片

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第2张图片

可以改成你自定义的路径,但是要记清楚

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第3张图片

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第4张图片
当前最新版本是这种
【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第5张图片

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第6张图片

这两个勾都去掉

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第7张图片

下面编辑环境变量

如果你是直接在D盘建了一个Anaconda文件夹进行安装,就可以直接将以下四个路径添加进去,并且把他们移动到最上面

D:\Anaconda
D:\Anaconda\Scripts
D:\Anaconda\Library\mingw-w64\bin
D:\Anaconda\Library\bin

测试安装

在cmd中输入:

conda --version

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第8张图片
出现anaconda的版本号即表示安装成功

anaconda的使用

情况一:电脑现在没有装python或者现在装的可以卸载掉

由于环境变量的优先级,在使用python时可能会产生anaconda和预先安装的python的冲突,不过很好解决。

第一种解决方法就是可以直接卸载。

情况二:电脑目前装了python,但想保留它

想保留原python环境的原因有以下几点,如果没有特殊使用需求,可以直接卸载了,省的麻烦

  1. 原python环境安装了很多包,新的环境需要重新配,很麻烦
  2. 有些业务只能使用这个版本,新的可能不适配
  3. 已经配好了pytorch等环境

如果有以上需求之一,那么进入接下来的两个方法

方法一(不推荐)
  • 将原有的python改名为python_ori.exe(在安装python的路径中找到它)
  • 使用python或者选择解释器的时候选择相应的路径即可

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第9张图片
在cmd中,分别输入python_oripython可以看到,python_ori是之前安装的python版本,直接输入python是现在的anaconda的版本。

方法二(推荐)

这个方法就是创建虚拟环境,也是未来做深度学习必须要用到的一个方法,这里先不讲原理了,直接讲怎么用。

  • 找到anaconda的envs文件夹(没有就新建一个)

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第10张图片

  • 将原来的python整个复制到这个文件夹下,并重命名为你能记住的名字

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第11张图片

  • 以管理员身份运行conda prompt

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第12张图片

输入

conda info -e  或者  conda-env list

查看Anaconda中当前存在的环境

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第13张图片

输入

conda activate python310

即可使用当前虚拟环境

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第14张图片

在pycharm中也可以选择这个路径来配置解释器

添加国内源

有时因为需要安装的包太大,需要响应很长时间,配置国内源可以解决这个痛点。

主要的国内源有以下这些:

清华大学:https://pypi.tuna.tsinghua.edu.cn/simple

阿里云:https://mirrors.aliyun.com/pypi/simple/

中国科技大学: https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学:https://pypi.hustunique.com/

山东理工大学:https://pypi.sdutlinux.org/

豆瓣:https://pypi.douban.com/simple/

首先可以查看当前镜像源

conda config --show channels

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第15张图片
一般刚安装好的只有defaults,下面添加其他镜像源

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

设置检索路径

conda config --set show_channel_urls yes

再次查看当前镜像源

conda config --show channels

【机器学习 & 深度学习】开发工具Anaconda的安装与使用_第16张图片

至此已经完成了Anaconda的安装,大家可以利用好这个开发工具进行机器学习和深度学习的练习,祝大家成功!

你可能感兴趣的:(机器学习python实战,机器学习,深度学习,python,conda,pycharm,人工智能)