Installere et Python-basert læringsmiljø for maskiner i Windows 10

En enkel guide for å komme i gang med maskinlæring

Foto av Ahmad Dirini på Unsplash

Formål: Å installere et Python-basert miljø for maskinlæring.

Følgende sett med instruksjoner ble samlet fra hele nettet og skrevet for et Windows 10 OS. Sist testet 02/09/2019.

Oversikt

Da jeg først begynte å lære meg maskin, tok det meg noen timer å finne ut hvordan jeg kunne stille Python-miljøet ordentlig. Av frustrasjon bestemte jeg meg for å skrive dette innlegget for å hjelpe alle som går gjennom prosessen. Vi starter med å installere Anaconda Navigator som lar oss skape uavhengige miljøer, dette vil komme veldig nyttig. I tillegg kan vi med Anaconda enkelt installere kompatible Python-moduler med veldig enkle kommandoer. Endelig kan vi bruke Anaconda for å få Spyder - et vitenskapelig Python-utviklingsmiljø. Hvis du følger trinn-for-trinn-prosedyren vist nedenfor, vil du ha installert Tensorflow, Keras og Scikit-learning på kort tid.

Å få Anaconda

For å begynne å bygge maskinlæringsmodeller (ML) med Python, starter vi med å installere Anaconda Navigator. Anaconda gir en effektiv og enkel måte å installere Python-moduler på maskinen din. Så la oss komme i gang.

  1. Last ned og installer den nyeste versjonen av Anaconda Navigator for operativsystemet ditt.

2. Fortsett med installasjonsveiviseren, men hopp over trinnet der du trenger å laste ned og installere VS, vi gjør dette senere. I tillegg må du sørge for å installere Anaconda Navigator for en enkelt bruker. På det tidspunktet dette settet med instruksjoner ble skrevet, gjorde installasjon av VS med installasjonsveiviseren Anaconda-installasjonen min. I tillegg kan installasjon av Anaconda for alle brukere føre til problemer. For eksempel vil du ikke kunne installere noen moduler fordi Anaconda ikke har de nødvendige rettighetene.

Forsikre deg om at du installerer Anaconda til den nåværende brukeren, ellers kan du få problemer underveis.Hoppe over dette trinnet. Vi får gjort det på litt.

3. Start Anaconda Navigator og velg Hjem-fanen, den skal velges som standard. Finn VS-kodepanelet og klikk på Installer-knappen. Dette vil ta et minutt eller to.

Etter at du har installert VS-kode, vil du kunne se en startknapp under VS-kodepanelet.

Intalling Keras og Tensorflow

Nå som vi har installert Anaconda, la oss få Keras og Tensorflow i maskinen vår.

4. Lukk Anaconda Navigator og start Anaconda Prompt. Start Anaconda-ledeteksten ved å søke etter den i Windows-søkefeltet. Følgende terminal skal åpne. Legg merke til at dette vil åpne i Anaconda-basismiljøet.

5. Nedgrader Python til en Keras & Tensorflow-kompatibel versjon. Anaconda vil begynne å lete etter alle kompatible moduler for Python 3.6. Dette kan ta noen minutter. For å nedgradere til Python 3.6 bruker du følgende kommando:

conda install python = 3.6

Etter at miljøet er løst, vil Anaconda vise deg alle pakkene som vil lastes ned.

6. Lag et nytt conda-miljø der vi vil installere modulene våre til å bygge modellene våre ved hjelp av GPU. For å gjøre det, kjør følgende kommando:

conda create - name PythonGPU

Merk: Forsikre deg om at du har et NVIDIA-grafikkort. Hvis ikke, installer CPU-versjonen av Keras.

Hvis du vil bruke CPU-en din i stedet, utfør følgende kommando:

conda create - name PythonCPU

Følg instruksjonene som vises på terminalen. Kondamiljøer gir brukeren frihet til å installere helt spesifikke moduler som er uavhengige naturtyper. Personlig skapte jeg to miljøer. Den ene der jeg kan bygge modellene mine ved hjelp av CPU og den andre hvor jeg kan bygge modellene mine ved hjelp av GPU. For mer informasjon om conda-miljøer, foreslår jeg at du tar en titt på den offisielle dokumentasjonen.

7. For å aktivere conda-miljøet som nettopp ble opprettet, bruk:

aktiver PythonGPU eller aktiver PythonCPU

Slik deaktiverer du bruk av miljøet:

conda deaktivere

Ikke deaktiver miljøet ennå, vi er i ferd med å installere alt det gode.

8. For å installere Keras & Tensorflow GPU-versjoner, utfører modulene som er nødvendige for å lage våre modeller med GPU, følgende kommando:

conda installere -c anaconda keras-gpu

Hvis du vil bruke CPU til å bygge modeller, utfører du følgende kommando i stedet:

conda installere -c anaconda keras

Det vil begynne å skje mye datamaskin. Når galskapen stopper, kan vi gå videre. Ikke lukk noe ennå.

Få Spyder og andre Python-pakker for maskinlæring / dyp læring

Nå vil du kanskje at noe programvare skal skrive og utføre Python-skriptene dine. Du kan alltid bruke Vim til å skrive og redigere Python-skriptene dine og ha en annen terminal åpen for å utføre dem. Du vil imidlertid gå glipp av alle de kule funksjonene Spyder har å tilby.

9. Installer Spyder.

conda install spyder

10. Installer Pandaer. Pandas er et bibliotek som er ekstremt kraftig og lar deg enkelt lese, manipulere og visualisere data.

conda install -c anaconda pandaer

Hvis du vil lese Excel-filer med Pandas, utfører du følgende kommandoer:

conda install -c anaconda xlrd

conda install -c anaconda xlwt

11. Installer Seaborn-biblioteket. Seaborn er et fantastisk bibliotek som lar deg enkelt visualisere dataene dine.

conda install -c anaconda seaborn

12. Å installere scikit-learning.

conda installere -c anaconda scikit-learning

13. Installer pute for å håndtere bilder

conda install pute

Legge til manglende moduler

Nå skal du føle deg komfortabel med å installere moduler ved hjelp av conda-kommandoen. Hvis du trenger en spesifikk modul, bare Google noe på følgende linjer:

Anaconda LibraryNameYouWant Install

Hvis du har problemer, kan du søke på nettet. Det er mest sannsynlig at du ikke er den første personen som møter en gitt feil.

Start Spyder og kontroller at alle moduler ble installert riktig

For å starte Spyder, aktiverer du først det conda-miljøet du ønsker (PythonCPU eller PythonGPU) og utfører følgende kommando:

spyder

For å sikre at alt var riktig installert, kjør du følgende kodelinjer på python-konsollen:

import numpy som np # For numeriske raske numeriske beregninger
import matplotlib.pyplot som plt # For å lage tomter
importer pandaer som pd # Omhandler data
importer sjøfødt som sns # Gjør vakre tomter
fra sklearn.preprocessing import StandardScaler # Testing sklearn
import tensorflow # Importer tensorflow
import keras # Importer keras

Hvis du ikke ser noen ModuleImport-feil, er du nå klar til å begynne å bygge maskinlæringsbaserte modeller ved å bruke Keras, Tensorflow og Scikit-Learn.

Du finner meg i LinkedIn.