1.1 安装使用Conda

Mon, 01 Jan 0001 00:00:00 +0000

所谓工欲善其事必先利其器，在本章内容中我们将详细介绍如何从零开始安装配置机器学习算法的运行环境和开发环境。总体来讲本章内容可以分为两大部分：一是不同操作系统平台下Python环境的安装和管理，另一个则是集成开发环境的安装和配置。下面我们分别开始进行介绍。

1.1 安装使用Conda#

作为在Python开发中一款优秀的包管理工具，Conda一直以来有着其独特的优势，尤其是在机器学习和深度学习的开发中。当我们需要区分和隔离不同版本或依赖的Python环境时，Conda工具便体现出了优势。

1.1.1 Conda介绍#

Conda是一个开源的包管理系统和环境管理系统，它主要用于安装和管理Python及其包和依赖项。它是构建机器学习和数据科学环境的利器，具有以下几个关键优势：

跨平台：Conda可在Windows、macOS和Linux等多种操作系统上运行，提供了良好的跨平台兼容性。
环境管理：Conda允许方便地创建独立的Python环境，并且每个环境拥有自己的包和依赖项，从而避免不同项目之间的包冲突。
易于使用: Conda提供了命令行界面，使得Python环境的管理变得直观和简单。

在Python环境中我们可以通过两种方式来安装Conda工具。第1种是下载Anaconda [1] 进行安装，第2种则是下载Miniconda [2] 进行安装。Anaconda 和 Miniconda本质上都是基于Conda的软件包，Anaconda拓展自Miniconda，区别在于前者包含了更多的Python科学计算包，是一款商业软件，因此安装文件通常也比较大；而Miniconda则是一款开源且小巧的Conda软件包，我们可以根据实际需要来安装相应的Python软件。由于后续需要创建自己的虚拟环境，所以可以下载更加小巧的Miniconda（安装过程完全一样）。

下面是一些常用的Conda使用命令：

创建名为py38且Python版本为3.8的Python环境
```
1 conda create -n py38 python=3.8
```
删除名为py38的虚拟环境
```
1 conda env remove -n py38 
```
激活环境py38环境
```
1 conda activate py38
```
退出当前Python环境
```
1 conda deactivate
```
列出当前所有的Python虚拟环境
```
1 conda env list
```
克隆当前环境
```
1 conda create -n newpy38 --clone py38 
```

对某个虚拟环境中的Python版本继续升级

1 conda activate py38 # 先激活进入到虚拟环境py38
2 conda install python==3.9 # 将Python版本从3.8升级到3.9

1.1.2 Windows环境#

1. Conda安装

1.2 开发环境安装配置

Mon, 01 Jan 0001 00:00:00 +0000

1.2 开发环境安装配置#

在Python开发中，最常用的集成开发环境（Integrated Development Environment, IDE）有两个：一个是Jupyter Notebook，而另一个则是大名鼎鼎的PyCharm。在本节内容中，我们将分别就这两种常见开发工具的使用方法做一个简单的介绍。

1.2.1 Jupyter Notebook安装与使用#

Jupyter Notebook是一个非常强大的工具，尤其是在数据科学、科学研究和展示复杂数据分析项目等方面。Jupyter提供了交互式的编程环境，允许我们编写和运行代码、查看结果、修改代码然后再次运行，这使得实验性分析和数据探索变得非常简单。同时，Jupyter开发页面对数据可视化工具（如 Matplotlib、Seaborn、Plotly 等）也有很好的支持，使得创建交互式图表和可视化变得简单。此外，Jupyter还支持在开发页面以Markdown格式来撰写相关说明文档。

1. Jupyter Notebook安装

Jupyter Notebook同其它Python软件包一样，我们可以直接使用pip install来进行安装。这里需要注意的是，由于Jupyter本质上也是一个Python软件，所以我们可以在不同的Python虚拟环境中安装Jupyter，这也就意味着我们启动不同环境下的Jupyter时对应的Python环境就是该Jupyter所在的Python环境。

例如我们需要在第1.1.2节内容中建立的py38这个虚拟环境中安装Jupyter，那么我们首先需要使用conda命令进入到该虚拟环境，然后进行安装。安装命令如下所示：

1 conda activate py38
2 pip install notebook

2. Jupyter Notebook使用

在完成Jupyter安装以后，我们可以直接通过命令jupyter notebook进行启动，默认为8888端口，当然我们还可以通过--prot参数来指定端口。同时，如果使用的是root用户可能会出现无法启动的现象，此时可加入参数 --allow-root来进行启动。完整命令如下所示：

1 jupyter notebook --ip=0.0.0.0 --port=8778 --allow-root

在启动完成后我们便会看到如图1-13所示的结果。

图 1-13 Jupyter notebook启动页面图

进一步，我们在本地浏览器中输入服务器的地址和端口，例如http://23.10.8.221:8778，然后便能看到类似图1-14的界面。

图 1-14 Jupyter Notebook登录

然后将图1-13中的token粘贴到图1-14中的输入框，然后点击“Log in”按钮即可完成登录，并看到类似如图1-15的界面。如果是在自己本地主机上启动Jupyter，则只需要通过命令jupyter notebook，然后在浏览器中打开链接http://127.0.0.1:8778即可使用Jupyter工具。

图 1-15 Jupyter Notebook界面图

如图1-15所示，当前所展示的内容就是服务器上启动运行Jupyter Notebook所在目录的内容。此时我们点击左上角的“File”按钮，并新建一个Notebook文件，如图1-16所示。

图 1-16 新建Notebook文件图

在图1-16中点击“Notebook”以后将会出现选择Python解释器的弹窗，如图1-17所示。

图 1-17 Python解释器选择

如图1-17所示，选择当前默认的Kernel即可，即使用Jupyter Notebook所在的Python环境来解释后续代码，点击“Select”按钮继续。

第 1 章 环境配置 on 《从零学AI指南手册》