<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??碼云GVP開源項目 12k star Uniapp+ElementUI 功能強大 支持多語言、二開方便! 廣告
                # 如何使用 Anaconda 為機器學習和深度學習設置 Python 環境 > 原文: [https://machinelearningmastery.com/setup-python-environment-machine-learning-deep-learning-anaconda/](https://machinelearningmastery.com/setup-python-environment-machine-learning-deep-learning-anaconda/) 在某些平臺上安裝 Python 機器學習環境可能很困難。 必須首先安裝 Python 本身,然后安裝許多軟件包,這對初學者來說可能會造成混淆。 在本教程中,您將了解如何使用 Anaconda 設置 Python 機器學習開發環境。 完成本教程后,您將擁有一個可用的 Python 環境,可以開始學習,練習和開發機器學習和深度學習軟件。 這些說明適用于 Windows,Mac OS X 和 Linux 平臺。我將在 OS X 上演示它們,因此您可能會看到一些 mac 對話框和文件擴展名。 * **2017 年 3 月更新**:補充說明你只需要 Theano 或 TensorFlow 中的一個來使用 Kears 進行深度學習。 ![How to Setup a Python Environment for Machine Learning and Deep Learning with Anaconda](https://img.kancloud.cn/75/21/7521219b71a7fccc92edc3152f5ad72d_1024x512.jpg) 如何使用 Anaconda 為機器學習和深度學習設置 Python 環境 ## 概觀 在本教程中,我們將介紹以下步驟: 1. 下載 Anaconda 2. 安裝 Anaconda 3. 啟動并更新 Anaconda 4. 更新 scikit-learn Library 5. 安裝深度學習庫 ## 1.下載 Anaconda 在此步驟中,我們將為您的平臺下載 Anaconda Python 軟件包。 Anaconda 是一個免費且易于使用的科學 Python 環境。 * 1.訪問 [Anaconda 主頁](https://www.continuum.io/)。 * 2.單擊菜單中的“Anaconda”,然后單擊“下載”進入[下載頁面](https://www.continuum.io/downloads)。 ![Click Anaconda and Download](https://img.kancloud.cn/5d/34/5d34ac33db9bf27cda0dc26183cc22f5_342x360.jpg) 單擊 Anaconda 和下載 * 3.選擇適合您平臺的下載(Windows,OSX 或 Linux): * 選擇 Python 3.5 * 選擇圖形安裝程序 ![Choose Anaconda Download for Your Platform](https://img.kancloud.cn/26/56/26568db54607f242e118c45ab025e358_1011x940.jpg) 為您的平臺選擇 Anaconda 下載 這會將 Anaconda Python 軟件包下載到您的工作站。 我在 OS X 上,所以我選擇了 OS X 版本。該文件大約 426 MB。 你應該有一個名稱如下的文件: ``` Anaconda3-4.2.0-MacOSX-x86_64.pkg ``` ## 2.安裝 Anaconda 在此步驟中,我們將在您的系統上安裝 Anaconda Python 軟件。 此步驟假定您具有足夠的管理權限以在系統上安裝軟件。 * 1.雙擊下載的文件。 * 2.按照安裝向導進行操作。 ![Anaconda Python Installation Wizard](https://img.kancloud.cn/63/3d/633df0886b2345611829c9073ca77ec0_618x438.jpg) Anaconda Python 安裝向導 安裝快速無痛。 應該沒有棘手的問題或難點。 ![Anaconda Python Installation Wizard Writing files](https://img.kancloud.cn/f7/a3/f7a307051516d96d7532b7b80c90db5e_626x434.jpg) Anaconda Python 安裝向導編寫文件 安裝應該不到 10 分鐘,并占用硬盤驅動器上 1 GB 以上的空間。 ## 3.啟動并更新 Anaconda 在此步驟中,我們將確認您的 Anaconda Python 環境是最新的。 Anaconda 附帶一套名為 Anaconda Navigator 的圖形工具。您可以從應用程序啟動器中打開 Anaconda Navigator。 ![Anaconda Navigator GUI](https://img.kancloud.cn/ac/3c/ac3c07360710634e2136e0901d91aa86_1024x635.jpg) Anaconda Navigator GUI 您可以在這里了解 [Anaconda Navigator 的所有信息。](https://docs.continuum.io/anaconda/navigator.html) 您可以稍后使用 Anaconda Navigator 和圖形開發環境;現在,我建議從名為 [conda](http://conda.pydata.org/docs/index.html) 的 Anaconda 命令行環境開始。 Conda 快速,簡單,隱藏錯誤消息很難,您可以快速確認您的環境已安裝并正常工作。 * 1.打開終端(命令行窗口)。 * 2.輸入以下命令確認 conda 已正確安裝: ``` conda -V ``` 你應該看到以下(或類似的東西): ``` conda 4.2.9 ``` * 3.鍵入以下命令確認 Python 已正確安裝: ``` python -V ``` You should see the following (or something similar): ``` Python 3.5.2 :: Anaconda 4.2.0 (x86_64) ``` ![Confirm Conda and Python are Installed](https://img.kancloud.cn/84/b2/84b21a976585cc00a88d5990cdd93a53_571x366.jpg) 確認已安裝 Conda 和 Python 如果命令不起作用或出現錯誤,請查看文檔以獲取適用于您的平臺的幫助。 請參閱“進一步閱讀”部分中的一些資源。 * 4.確認您的 conda 環境是最新的,鍵入: ``` conda update conda conda update anaconda ``` 您可能需要安裝一些軟件包并確認更新。 * 5.確認您的 SciPy 環境。 下面的腳本將打印機器學習開發所需的關鍵 SciPy 庫的版本號,特別是:SciPy,NumPy,Matplotlib,Pandas,Statsmodels 和 Scikit-learn。 您可以鍵入“python”并直接鍵入命令。或者,我建議打開文本編輯器并將腳本復制粘貼到編輯器中。 ``` # 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__) ``` 將腳本保存為名為 _versions.py_ 的文件。 在命令行上,將目錄更改為保存腳本的位置并鍵入: ``` python versions.py ``` 您應該看到如下輸出: ``` scipy: 0.18.1 numpy: 1.11.1 matplotlib: 1.5.3 pandas: 0.18.1 statsmodels: 0.6.1 sklearn: 0.17.1 ``` 你得到了什么版本? 將輸出粘貼到下面的注釋中。 ![Confirm Anaconda SciPy environment](https://img.kancloud.cn/73/7f/737f7bbc96040cb7fec454ec7668fcea_573x368.jpg) 確認 Anaconda SciPy 環境 ## 4.更新 scikit-learn Library 在這一步中,我們將更新用于 Python 機器學習的主庫,名為 scikit-learn。 * 1.更新 scikit-學習最新版本。 在撰寫本文時,Anaconda 附帶的 scikit-learn 版本已過時(0.17.1 而不是 0.18.1)。您可以使用 conda 命令更新特定庫;下面是更新 scikit-learn 到最新版本的示例。 在終端輸入: ``` conda update scikit-learn ``` ![Update scikit-learn in Anaconda](https://img.kancloud.cn/9a/9a/9a9a911c775bb3e39a8c22386ec8e835_570x367.jpg) 更新 Anikonda 中的 scikit-learn 或者,您可以通過鍵入以下內容將庫更新為特定版本: ``` conda install -c anaconda scikit-learn=0.18.1 ``` 確認安裝成功并通過鍵入以下命令重新運行 _versions.py_ 腳本來更新 scikit-learn: ``` python versions.py ``` You should see output like the following: ``` scipy: 0.18.1 numpy: 1.11.3 matplotlib: 1.5.3 pandas: 0.18.1 statsmodels: 0.6.1 sklearn: 0.18.1 ``` What versions did you get? Paste the output in the comments below. 您可以根據需要使用這些命令更新機器學習和 SciPy 庫。 嘗試 scikit-learn 教程,例如: * [你的第一個 Python 循環機器學習項目](http://machinelearningmastery.com/machine-learning-in-python-step-by-step/) ## 5.安裝深度學習庫 在這一步中,我們將安裝用于深度學習的 Python 庫,特別是:Theano,TensorFlow 和 Keras。 **注**:我建議使用 Keras 進行深度學習,而 Keras 只需要安裝 Theano 或 TensorFlow 中的一個。你不需要兩個!在某些 Windows 計算機上安裝 TensorFlow 可能會出現問題。 * 1.輸入以下命令安裝 Theano 深度學習庫: ``` conda install theano ``` * 2.鍵入以下命令安裝 TensorFlow 深度學習庫(Windows 以外的所有庫): ``` conda install -c conda-forge tensorflow ``` 或者,您可以選擇使用 pip 和特定版本的 tensorflow 為您的平臺安裝。 有關張量流,請參閱[安裝說明。](https://www.tensorflow.org/get_started/os_setup#anaconda_installation) * 3.輸入以下命令安裝 Keras: ``` pip install keras ``` * 4.確認您的深度學習環境已安裝并正常運行。 創建一個打印每個庫的版本號的腳本,就像我們之前為 SciPy 環境所做的那樣。 ``` # theano import theano print('theano: %s' % theano.__version__) # tensorflow import tensorflow print('tensorflow: %s' % tensorflow.__version__) # keras import keras print('keras: %s' % keras.__version__) ``` 將腳本保存到文件 _deep_versions.py_ 。鍵入以下命令運行腳本: ``` python deep_versions.py ``` 您應該看到如下輸出: ``` theano: 0.8.2.dev-901275534cbfe3fbbe290ce85d1abf8bb9a5b203 tensorflow: 0.12.1 Using TensorFlow backend. keras: 1.2.1 ``` ![Anaconda Confirm Deep Learning Libraries](https://img.kancloud.cn/c7/0d/c70de745339eca73bd3fd70c0ab930e1_572x366.jpg) Anaconda 確認深度學習庫 你得到了什么版本? 將您的輸出粘貼到下面的注釋中。 嘗試使用 Keras 深度學習教程,例如: * [用 Keras 逐步開發 Python 中的第一個神經網絡](http://machinelearningmastery.com/tutorial-first-neural-network-python-keras/) ## 進一步閱讀 本節提供了一些進一步閱讀的鏈接。 * [Anaconda 文檔](https://docs.continuum.io/) * [Anaconda 文檔:安裝](https://docs.continuum.io/anaconda/install) * [Conda](http://conda.pydata.org/docs/index.html) * [使用 conda](http://conda.pydata.org/docs/using/) * [Anaconda Navigator](https://docs.continuum.io/anaconda/navigator.html) * [安裝 Theano](http://deeplearning.net/software/theano/install.html) * [安裝 TensorFlow Anaconda](https://www.tensorflow.org/get_started/os_setup#anaconda_installation) * [Keras 安裝](https://keras.io/#installation) ## 摘要 恭喜,您現在擁有一個可用于機器學習和深度學習的 Python 開發環境。 您現在可以在工作站上學習和練習機器學習和深度學習。 你是怎么去的? 請在下面的評論中告訴我。
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看