首页»支撑  »   系统  »   正文

如何为机器学习设置Python环境

如何为机器学习设置Python环境

为Python设置机器学习环境可能是一项棘手的任务。如果你之前从未设置过类似的东西,那么可能需要花费数小时来处理不同的命令。

 

在本教程中,你将学习如何设置稳定的Python机器学习开发环境。你将能够直接进入ML并且不用再担心安装问题。

 

设置Python 3和Pip

第一步是安装pip,一个Python包管理器:

sudo apt-get install python3-pip

 

使用PIP,我们将能够使用一个简单的pip install your_package安装Python Package Index中的任何索引。你很快就会看到如何使用它来设置我们的虚拟环境。

 

接下来,从命令行运行pip或python命令时,将Python 3设置为默认值 。这使得使用Python 3更容易,更方便。如果我们不这样做,那么如果我们想使用python3,我们就必须记住每次都要输入pip3和python3。

 

为了强制Python 3成为默认值,我们将修改 ~/.bashrc 文件。从命令行,执行以下命令以查看该文件:

nano~ / .bashrc

 

向下滚动到 #some more ls aliases 部分并添加以下行:

alias python='python3'

 

保存文件并重新加载更改:

source ~/.bashrc

 

现在,Python 3是你的默认Python!你可以在命令行上使用简单的python your_program运行它 。

如何为机器学习设置Python环境

创建虚拟环境

现在我们将建立一个虚拟环境。我们将安装机器学习所需的所有python包。

我们使用虚拟环境来分离我们的编码设置。想象一下,如果在某些时候你想在你的计算机上做两个不同的项目,这需要不同版本的库。将它们全部放在相同的工作环境中可能会很麻烦,可能会遇到冲突问题。项目1的ML代码需要numpy 1.0版本,但项目2需要1.15版本。

虚拟环境允许我们隔离我们的工作区域以避免这些冲突。

首先,安装相关的包:

sudo pip install virtualenv virtualenvwrapper

 

一旦我们安装了virtualenv和virtualenvwrapper,我们将再次需要编辑我们的 ~/.bashrc 文件。将这3行放在底部并保存。

export WORKON_HOME=$HOME/.virtualenvs
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source /usr/local/bin/virtualenvwrapper.sh

 

保存文件并重新加载更改:

source~ / .bashrc

 

现在我们可以最终创建我们的虚拟环境:

mkvirtualenv ml

 

我们刚刚创建了一个名为的虚拟环境ml 。要输入它,请执行以下操作:

workon ml

 

在ml virtualenv中执行的任何库安装都将在那里被隔离,并且永远不会与任何其他环境冲突!因此,每当你希望运行依赖于ml环境中安装的库的代码时, 请先使用该workon命令输入 ,然后正常运行代码。

如果您需要退出virtualenv,请运行以下命令:

deactivate

 

安装机器学习库

现在我们可以安装ML库了!我们将使用最常用的:

  • numpy: 用于任何矩阵的工作,特别是数学运算
  • scipy: 科学和技术计算
  • pandas: 数据处理,操作和分析
  • matplotlib: 数据可视化
  • scikit learn: 机器学习

下面是一个简单的技巧,可以快速安装所有这些库!创建一个 requirements.txt 文件并列出要安装的所有软件包,如下所示:

numpy
scipy
pandas
matplotlib
scikit-learn

 

完成后,只需执行以下命令:

pip install -r requirements.txt

 

这样,Pip将一次性安装文件中列出的所有包。

现在,你的环境已经建立完毕,可以开始进行机器学习啦!

欢迎关注ATYUN官方公众号,商务合作及内容投稿请联系邮箱:bd@atyun.com

发表评论