使用Miniconda构建用于机器学习的Python环境[Windows 10]

2018年11月11日2019年5月23日

使用Miniconda构建Python环境

这是在Windows 10 PC上使用Miniconda构建python环境的方法。

如果您不习惯它，那么在构建环境时可能会迷路，因此我总结了即使是非工程师也可以执行的步骤。我认为有很多新人想使用python来开始机器学习和深度学习，因此，如果您能参考它，我将不胜感激。

通常建议将“ Anaconda”作为为初学者构建Python环境的方法，但是这样做很浪费，因为您无法使用您不知道的库。

如果您是第一次尝试编程，或者暂时想在Windows上体验机器学习，那么使用Miniconda进行设置就很容易而且恰到好处。如果您可以掌握自己安装的软件包，则能够正确使用它也很有用。

另一方面，据说那些习惯于编程的人和那些参与开发的人应该纯粹使用Python和pip / venv来构建环境。这是因为，诸如开发人员使用的计算机之类的计算机使用Mac OS或Linux作为操作系统，并且它们与Python冲突，而Python在这些OS中作为标准配置包含在内，因此会引起问题。

另请参阅此处以了解Anaconda和Miniconda之间的区别。

下载并安装

Miniconda系统要求

• 32位或64位操作系统
• 操作系统：Windows，macOS或Linux
• 内存容量：400MB以上
• 磁盘容量：3GB或更多

另请参见：https://conda.io/docs/index.html

首先，从miniconda网站下载安装程序。https://docs.conda.io/en/latest/miniconda.html

从红色框之一下载Windows版本。您可以通过右键单击“资源管理器”中的“ PC”并选择“属性”来检查您的PC是32位还是64位。

下载后，打开安装程序。同意并选择“ Just Me”。

选择安装文件夹。所需容量约为260MB。

安装完成后，从开始菜单中打开“ Anaconda提示符”。conda list如果输入，则可以看到已安装项目的列表，如下所示。

您可以看到已经正确安装了Python 3.7.0（目标编程语言）和conda（安装各种库所必需的）。安装完成。

虚拟环境设置

取决于库，将严格确定它所依赖的其他库的版本，并且可能无法通过升级其中一个库来保证操作。例如，除非是numpy 1.8.2或更高版本，否则scikit-learn无法正常工作，但是我想对numpy的早期版本进行某些操作。

在准备这种情况时，您可以为每种目的创建一个环境（库安装目标）并将其单独使用。

1. 检查当前环境：conda info -e（*添加到当前环境中。首先，直接在安装位置下）
2. 创建虚拟环境：conda create -n 仮想環境名
3. 虚拟环境选择：activate 仮想環境名

现在，您可以使用conda或pip在您选择的虚拟环境中安装该库。

库安装

基本上，只需输入以下conda提示符。

一行中将显示一个列表，其中包含需要一起安装的软件包，并且已确认“是否继续（[y] / n）？”，因此请输入y。

conda install库名称以安装继续（[y] / n）？

这是一个典型的机器学习库。conda install如果您在之后输入，则可以一次安装所有组件。

康达安装numpy熊猫scikit学习matplotlib

numpy：用于数值计算
熊猫：用于数据预处理
scikit-learn：用于机器学习
matplotlib：用于图形绘制

还安装了运行这些附件所需的附件包（例如numpy，用于scikit-learn的scipy）。

请注意，您不应该使用pip安装非conda库（当我以为Jupyter Notebook无法启动时，Anaconda环境已损坏）。

它发生了，但是conda环境坏了，我必须重新安装它。