使用Anaconda配置机器学习环境

本文最后更新于:几秒前

Anaconda是一个python的虚拟环境包管理工具,相对于原本的python独立环境而言,可以自由的修改当前系统默认的运行时,而不需要反复安装,同时自带的conda包管理命令可以自动的匹配和分析包依赖,不需要再去下载whl文件或修改环境变量。

1. 安装方法:

初次安装建议使用:tuna.tsinghua.edu.cn 上的miniconda安装包,从而节约IDE(如:pycharm等)初次加载的时间。

在获取下载安装包以后,运行安装,注意写入环境变量(Add to Path),建议设置为默认python 安装完毕以后,就可以在命令行中使用conda命令

配置镜像地址,因为conda镜像默认地址在国外,速度过慢。推荐使用清华的源:

1
2
3
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
# 2. 配置方法:

创建环境:作为一个虚拟环境,首先得创建一个环境容器以支撑运行,创建命令为:conda create -n <env_name> python=<python_version>,如我想创建一个名为sci的python3.5的运行环境,则命令为:

1
conda create -n sci python=3.5
稍等几秒后,输入y,回车便可执行下一步。 输入activate <env_name>,如activate sci,便可激活环境

激活后的命令行之前会有环境的名称,在这个状态下便可以安装python的各种包,你可以使用多种包管理工具:如pip,conda等。为了保证依赖的正确,不建议使用conda以外的包管理工具。

3. 安装包:

安装python包有多种不同的配置。 1. 直接安装:conda install <package_name>,适用于直接安装一些流行的包,如numpyscikit-learn, 以numpy为例:conda install numpy,便可安装最新的版本。注意,同样需要y输入回车确认。 2. 对于有特定版本需求的而言,只需要在package_name后加版本号即可,conda install <package_name>==<version> ,如:conda install numpy==1.12 3. 从文件安装,对于特定需求的whl文件,建议以pip install <whl_file>的方式安装,但是绝大多数情况下,conda都有对应的包。建议以conda search <package_name>的方式搜索包。 4. 从requirements.txt文件安装,对于python项目而言,多数项目的依赖会以requirements.txt文件的形式发布依赖及版本,在conda中,你可以使用:conda install --yes --file requirements.txt的方式安装requirement,conda会自动安装依赖包。

4. 管理包:

包的升级和移除 包升级:conda upgrade 包移除:conda remove

5. 配置你的深度学习环境

  1. 一般而言,我们面向的平台是基于python实现的深度学习框架,以tensorflow+keras为例,我们需要执行下述命令:
    1
    2
    3
    4
    5
    6
    conda create -n <env_name> python=3.5   # 创建环境名为<env_name>的python3.5环境
    conda install tensorflow # 安装tensorflow
    conda install matplotlib # 安装matplotlib
    conda install pillow # 安装pillow
    pip install opencv-python # 安装opencv
    conda install scikit-learn # 安装scikit-learn
  2. 其次选择一个IDE,推荐PyCharm,选择社区版即可

6. 删除你的环境

  1. 如果遇到环境需要删除,你可以使用以下命令:
1
conda env remove -n ENV_NAME
  1. 试试

注:在IDE中你需要在建立项目后自行指定interpreter.


使用Anaconda配置机器学习环境
https://blog.waynehfut.com/2019/04/10/dlenvwithconda/
作者
Hao Wang
发布于
2019年4月10日
更新于
2022年7月28日
许可协议