Installation af et Python-baseret læringsmiljø i Windows 10

En nem guide til at komme i gang med maskinlæring

Foto af Ahmad Dirini på Unsplash

Formål: At installere et Python-baseret miljø til maskinlæring.

Følgende sæt instruktioner blev samlet fra hele internettet og skrevet til et Windows 10 OS. Sidst testet den 02/09/2019.

Oversigt

Da jeg først kom ind i maskinlæring, tog det mig et par timer at finde ud af, hvordan jeg kunne indstille mit Python-miljø korrekt. Af frustration besluttede jeg at skrive dette indlæg for at hjælpe alle, der gennemgår processen. Vi starter med at installere Anaconda Navigator, som giver os mulighed for at skabe uafhængige miljøer, dette vil komme rigtig godt ud. Derudover kan vi med Anaconda let installere kompatible Python-moduler med meget enkle kommandoer. Endelig kan vi bruge Anaconda til at få Spyder - et videnskabeligt Python-udviklingsmiljø. Hvis du følger den trin-for-trin-procedure, der er vist nedenfor, vil du have installeret Tensorflow, Keras og Scikit-learning på kort tid.

At få Anaconda

For at begynde at opbygge dine maskinlæringsmodeller (ML) med Python starter vi med at installere Anaconda Navigator. Anaconda giver en effektiv og nem måde at installere Python-moduler på din maskine. Så lad os komme i gang.

  1. Download og installer den nyeste version af Anaconda Navigator til dit operativsystem.

2. Fortsæt med installationsguiden, men spring springet over, hvor du har brug for at downloade og installere VS, vi gør det senere. Sørg også for at installere Anaconda Navigator til en enkelt bruger. På det tidspunkt, dette sæt instruktioner blev skrevet, fik installationen af ​​VS med installationsguiden min Anaconda-installation mislykkedes. Derudover kan installation af Anaconda til alle brugere muligvis føre til problemer. For eksempel vil du ikke kunne installere nogen moduler, fordi Anaconda ikke har de nødvendige privilegier.

Sørg for, at du installerer Anaconda til den nuværende bruger, ellers kan du have problemer undervejs.Spring over dette trin. Vi får det gjort lidt.

3. Start Anaconda Navigator, og vælg fanen Hjem, den skal som standard vælges. Find VS-kodepanelet, og klik på knappen Installer. Dette vil tage et minut eller to.

Når du har installeret VS-kode, kan du se en start-knap under panelet VS-kode.

Intalling Keras og Tensorflow

Nu hvor vi har installeret Anaconda, lad os få Keras og Tensorflow i vores maskine.

4. Luk Anaconda Navigator, og start Anaconda Prompt. Start Anaconda-prompten ved at søge efter den i Windows-søgelinjen. Følgende terminal skal åbnes. Bemærk, at dette åbnes i basismiljøet Anaconda.

5. Nedgrader Python til en Keras & Tensorflow-kompatibel version. Anaconda begynder at kigge efter alle de kompatible moduler til Python 3.6. Dette kan tage et par minutter. For at nedgradere til Python 3.6 skal du bruge følgende kommando:

conda install python = 3.6

Når miljøet er løst, vil Anaconda vise dig alle de pakker, der vil blive downloadet.

6. Opret et nyt conda-miljø, hvor vi vil installere vores moduler til at bygge vores modeller vha. GPU. For at gøre dette, udfør følgende kommando:

conda create - navn PythonGPU

Bemærk: Sørg for, at du har et NVIDIA-grafikkort. Hvis du ikke gør det, skal du installere CPU-versionen af ​​Keras.

Hvis du i stedet ønsker at bruge din CPU, skal du udføre følgende kommando:

conda create --name PythonCPU

Følg instruktionerne, der vises på terminalen. Condamiljøer giver brugeren frihed til at installere meget specifikke moduler, der er uafhængige levesteder. Personligt skabte jeg to miljøer. Den ene hvor jeg kan bygge mine modeller ved hjælp af CPU'en og den anden hvor jeg kan bygge mine modeller ved hjælp af GPU. For mere information om conda-miljøer, foreslår jeg, at du kigger på den officielle dokumentation.

7. For at aktivere det conda-miljø, der netop blev oprettet, skal du bruge:

aktiver PythonGPU eller aktiver PythonCPU

Sådan deaktiveres brug af miljøet:

conda deaktiveres

Deaktiver ikke miljøet endnu, vi er ved at installere alle de gode ting.

8. For at installere Keras & Tensorflow GPU-versioner, udfører de moduler, der er nødvendige for at oprette vores modeller med vores GPU, følgende kommando:

conda installere -c anaconda keras-gpu

Hvis du vil bruge din CPU til bygget modeller, skal du udføre følgende kommando i stedet:

conda installere -c anaconda keras

Der vil begynde at ske en masse computerstoffer. Når galskaben stopper, kan vi komme videre. Luk ikke noget endnu.

Få Spyder og andre Python-pakker til maskinlæring / dyb læring

Nu vil du måske have et stykke software til at skrive og udføre dine Python-scrips. Du kan altid bruge Vim til at skrive og redigere dine Python-scrips og have en anden terminal åben for at udføre dem. Du vil dog gå glip af alle de seje funktioner, som Spyder har at tilbyde.

9. Installer Spyder.

conda install spyder

10. Installer Pandas. Pandas er et bibliotek, der er ekstremt kraftfuldt og giver dig mulighed for let at læse, manipulere og visualisere data.

conda installere -c anaconda pandaer

Hvis du vil læse Excel-filer med Pandas, skal du udføre følgende kommandoer:

conda installere -c anaconda xlrd

conda installere -c anaconda xlwt

11. Installer Seaborn-biblioteket. Seaborn er et fantastisk bibliotek, der giver dig mulighed for let at visualisere dine data.

conda installere -c anaconda seaborn

12. Sådan installeres scikit-learning.

conda installere -c anaconda scikit-learning

13. Installer pude for at håndtere billeder

conda installere pude

Tilføjelse af manglende moduler

I øjeblikket skal du føle dig godt tilpas med at installere moduler ved hjælp af conda-kommandoen. Hvis du har brug for et specifikt modul, skal du blot Google noget på følgende linjer:

Anaconda LibraryNameYouWant Install

Hvis du støder på problemer, skal du søge på nettet. Det er mest sandsynligt, at du ikke er den første person, der støder på en given fejl.

Start Spyder og kontroller, at alle moduler blev installeret korrekt

For at starte Spyder skal du først aktivere det ønskede conda-miljø (PythonCPU eller PythonGPU) og udføre følgende kommando:

spyder

For at sikre, at alt blev installeret korrekt, skal du udføre følgende kodelinjer på python-konsollen:

import numpy som np # Til numeriske hurtige numeriske beregninger
import matplotlib.pyplot som plt # Til fremstilling af plot
importer pandaer som pd # Handler med data
importer søfødte som sns # Gør smukke plot
fra sklearn.forarbejdning import StandardScaler # Testing sklearn
import tensorflow # Importer tensorflow
import keras # Importer keras

Hvis du ikke ser nogen ModuleImport-fejl, er du nu klar til at begynde at bygge maskinlæringsbaserede modeller ved hjælp af Keras, Tensorflow og Scikit-Learn.

Du kan finde mig i LinkedIn.