机器学习的环境搭建流程

一、需要:
python解释器、pycharm、anaconda、机器学习需要的第三方包

二、流程:
1.先确定进行机器学习需要的主要包之间的依赖关系及对应的python版本,建议python版本不要太高(3.6或者3.7比较好),因为许多第三方的机器学习包并未对新版本的python进行适配(你如python3.8活python3.9)。

2.了解python解释器、pycharm、anaconda、第三方包之间的关系,即:

python解释器是真正负责将函数语句变为可执行的二进制文件的工具(这一点和Java解释器等解释器没有区别);

pycharm是可以帮助用户在使用Python语言开发时提高其效率的软件(准确说是集成开发工具),类似的软件或者spyder、jupyter、Eclipse、Vscode等,主要功能是代码调试 、语法高亮 、项目管理 、代码跳转、智能提示、自动完成、单元测试、版本控制等

anaconda,在进行程序开发过程中一般需要用到许多的第三方包,要流畅顺利的使用这些第三方就要保证包之间的依赖关系正确(即版本对应),若要人工依次安装所有依赖包则过于低效且容易失败,而anaconda则是可以解决这个问题。在用户在anaconda创建python环境中安装某个第三包时,anaconda会自动寻找使用这个包需要依赖的包,并保证包之间的版本对应关系正确,然后会自动安装所有需要的第三方包。

第三方包:除python标准库之外的所有用到的包都是第三方包,使用命令为"import 包的name"。

三.配置环境(安装第三方包的过程)

1.建议先使用anaconda创建一个新的专门用于机器学习的环境,步骤为"打开Anaconda-Environments-create-选择python版本及输入新环境的名称-点击create";环境名只能输入英文,此时创建好的环境中含有一些包。

2.通过“win+R”进入命令行,输入命令“activate 新环境名”进入新创建的环境,然后开始安装第三方包的操作,下面介绍安装第三方包的三种方式:

1)使用“conda install 包的name”,如果需要指定包的版本则命令为“conda install 包的name=版本号”

2)当遇到第一种方法提示找不到包的时候,可以到anaconda的网站上去搜索:www.anaconda.org   找到安装命令后复制,然后在cmd中粘贴回车

 

3.当以上两种方法都行不通时,使用pip的方式进行安装,pip是一种安装其它第三方包的第三方包,anaconda中已经内置,一般不需要用户自己安装,命令为“pip install 包的name==版本号”;

4.第四种是第三种的升级版,当某些包通过pip方式安装下载速度过慢时,需要指定国内的镜像源网站(因为pip的默认网站下载包的速度比较慢),命令为"pip install -i https://******/ 包的name==版本号"

5.到pip的包下载网站下载好包文件(比如pip · PyPI),然后将文件放置在"anaconda安装目录的envs下新环境的文件夹下的Scripts文件中",然后直接在此文件夹进入cmd,然后输入"pip install +路径+whl文件名.whl"。

四、使用anaconda进行环境是否配置成功的验证
1.简单验证方法:
在pycharm编辑区中输入"import 包的name"  看语句下是否有红色破浪线,哪个"import 包的name"有红色线则表示这个包未安装或未正确安装。

2.完整验证方法:
输入自己的程序,查看是否能够得到正确结果
————————————————
版权声明:本文为CSDN博主「打篮球的程序猿」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/m0_54800671/article/details/123616720