手把手教你為機器學習設置Python環境

為機器學習設置Python環境可能是一項棘手的任務。如果您以前從未設置過類似的東西，那么您可能需要花費數小時來處理不同的命令，才能讓它正常工作。但我們只是想要直接得到ML！

在本教程中，您將學習如何設置穩定的Python機器學習開發環境，您將能夠直接進入ML，并且也不用再擔心安裝包的事情。

（1）設置Python 3和Pip

第一步是安裝pip，一個Python包管理器：

sudo apt-get install python3-pip

使用pip，我們將能夠通過簡單的pip install your_package安裝Python包索引中索引的任何Python包。您很快就會看到我們如何使用它來設置我們的虛擬環境。

接下來，我們將從命令行運行pip或python命令時將Python 3設置為默認值。這使得使用Python 3更容易、更方便。如果我們不這樣做，那么如果我們想使用Python 3，我們必須記住每次都輸入pip3和python3！

為了強制Python 3成為默認值，我們將修改?/ .bashrc文件。從命令行，執行以下命令以查看該文件：

nano~ / .bashrc

向下滾動到＃some more ls aliases部分并添加以下行：

別名python ='python3'

保存文件并重新加載更改：

source~ / .bashrc

Python 3現在是你的默認Python！您可以在命令行上使用簡單的python your_program運行它。

（2）創建虛擬環境

現在我們將建立一個虛擬環境。在那里，我們將安裝機器學習所需的所有python包。

我們使用虛擬環境來分離我們的編碼設置。想象一下，如果在某些時候你想在你的計算機上做兩個不同的項目，這需要不同版本的庫。將它們全部放在相同的工作環境中可能會很麻煩，您可能會遇到庫版本沖突的問題。項目1的ML代碼需要numpy的1.0版本，但是項目2需要1.15版本。

虛擬環境允許我們隔離我們的工作區域以避免這些沖突。

首先，安裝相關的包：

sudo pip install virtualenv virtualenvwrapper

一旦我們安裝了virtualenv和virtualenvwrapper，我們將再次需要編輯?/ .bashrc文件。將這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

保存文件并重新加載更改：

source~ / .bashrc

現在我們可以最終創建虛擬環境：

mkvirtualenv ml

我們剛剛創建了一個名為ml的虛擬環境。要輸入它，請執行以下操作：

workon ml

太好了！您在ml virtualenv中執行的任何庫安裝都將在那里被隔離，并且不會與任何其他環境沖突！因此，每當您希望運行依賴于mlenvironment中安裝的庫的代碼時，請先使用workon命令進入，然后正常運行代碼。

如果您需要退出virtualenv，請運行以下命令：

deactivate

（3）安裝機器學習庫

現在我們可以安裝自己的ML庫了！我們將使用最常用的：

• numpy：用于任何矩陣的工作，特別是數學運算

• scipy：科學和技術計算

• pandas：數據處理、操作和分析

• matplotlib：數據可視化

• scikit learn：機器學習

這是一個簡單的技巧，可以快速安裝所有這些庫！創建一個requirements.txt文件并列出您要安裝的所有軟件包，如下所示：

numpy
SciPy
pandas
matplotlib
scikit learn

完成后，只需執行以下命令：

pip install -r requirements.txt

瞧！ Pip將繼續并一次性安裝文件中列出的所有軟件包。

恭喜，您的環境已經建立，您已經可以進行機器學習了！