机器学习入门-01. 环境准备

这是我参与更文挑战的第1天，活动详情查看： 更文挑战

一直计划学习AI方面的知识，但是很惭愧的是，因为种种原因与理由一直迟迟未能开始。到底说来还是自己太懒，断断续续的有过了解，但是一直未能坚持下去。希望的这次的开始可以让自己坚持下来，从头开始学习并且可以做到系统的理解相关的知识并应用。

整体的环境基于Python3，Python的环境一般是通过conda来创建，编码环境一般会使用jupyter notebook或者spyder来进行编码，他们类似与IDE不过可以方便的查看过程中的相关内容与调试。

conda – 安装

我使用mac来进行开发，所有以讲述mac的环境搭建为主，conda是一个python的环境管理工具，可以方便的通过它创建基于指定python版本的环境，他会在基础环境的基础上添加一些常用的包来帮助使用，conda分为anaconda与miniconda两个版本，anaconda是基础功能之上引入和很多科学计算的工具，而miniconda是相对的精简版本不包括其他第三放的工具，如果要方便直接使用anaconda即可，通过都可以通过在网站下载，直接进行安装:

• miniconda下载: docs.conda.io/en/latest/m…
• anaconda 下载: www.anaconda.com/products/in…

Mac用户也可以直接通过brew进行安装:

brew install anaconda
brew install miniconda
复制代码

conda – 修改源

当我们安装完成conda可以修改源来进行加速，让我们使用conda install命令是获得更快的安装速度。

首先要创建.condarc文件

vim ~/.condarc
复制代码

将如下内容复制进该文件即可

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
复制代码

具体可以参考mirrors.tuna.tsinghua.edu.cn/help/anacon…

conda – 使用

首先我们需要通过conda来创建我们需要的python环境:

conda create -n myenv python=3.6
复制代码

通过conda create既可以创建我们的操作环境，-n表示我们需要指定的环境名称，而python=3.6即是我们指定的python版本

conda activate myenv
复制代码

通过conda activate即可激活对应的环境

conda install numpy
复制代码

通过conda install即可在当前环境中安装对应的包

以上就是conda中的一些基本操作

jupyter notebook & spyder

当我们准备好python环境之后我们就要选择我们的开发环境，我所知道的有两种选择jupyter notebook & spyder。
jupyter notebook 是一种基于网页的编码环境，可以通过浏览器进行相关的开发操作，而spyder是一种基于桌面端的编码环境，我在这里选择了使用spyder因为我觉得它更便于调试。

安装jupyter notebook很简单:

conda install jupyter notebook
复制代码

通过conda install即可安装成功，在终端中执行jupyter notebook 即可启动服务

jupyter notebook 
复制代码

安装spyder执行如下操作即可:

conda create -n spyder-env spyder=4 numpy scipy pandas matplotlib sympy cython
复制代码

安装成功后在环境中执行spyder既可以启动

spyder
复制代码

这一章我们了解了，关于学习人工智能前的环境准备，之后我们来学习一些其他的基础概念。