机器学习环境的搭建（miniconda+pycharm）_miniconda pycharm

一、Python语言环境的安装（miniconda）

---

1、软件安装：

        直接去官网下载Miniconda速度太慢，建议去清华开源找一个替代的镜像下载。

         并且在清华该网站上面，还有附带的一些镜像使用帮助。

2、anaconda与miniconda的区别与共同点：

区别：

        Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。

        而Miniconda 是一个 Anaconda 的轻量级替代，默认只包含了 python 和 conda，但是可以通过 pip 和 conda 来安装所需要的包。

共同点：

        都可以是python软件的语言环境，都自带了python。

3、注意

        无论是anaconda还是miniconda的安装，都要勾选上配置环境变量那个选项！不然自己配置的话很麻烦。

二、编程IDE的安装（pycharm）

1、pycharm安装最新版本，并且勾选自动配置环境变量path。安装完之后，使用激活码激活pycharm专业版。

2、用pycharm新建一个python的环境

      2.1点击新建项目(New Project)

1. 2.2按下图操作

   

三、常用函数包的安装（pandas、numpy、tensorflow等等）

        通常安装软件包，可以直接在VSCode中的“终端”上或者另外打开控制台都行（Windows也可以使用Powershell）。注意要切换到相应的虚拟环境中再进行安装（参考上面的命令）。一般使用pip命令安装会比较简单，机器学习不可或缺的软件包括pandas和scikit-learn：

     1、永久配置清华开源网站

        自动配置，以配置清华源为例，在命令行输入：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

     2、tensorflow/tensorflow-gpu与python，cuda,cudnn版本要对应

        如上图所框配置，则输入以下命令：（首先将pip升级到最新版本）

pip install --upgrade pip

conda install tensorflow-gpu=2.6.0 cudatoolkit=11.2 cudnn     

3、其他包的安装命令（全部使用最新的就好）

pip install numpy pandas matplotlib keras scikit-learn

4. 运行验证是否支持GPU
在所建立的pycharm项目中，写入如下Python代码，执行(run)一下

1| import tensorflow as tf
2| print(tf.reduce_sum(tf.random.normal([1000, 1000])))

出现如下图所示提示即表示安装成功

四、conda的一些常用命令

#查看conda库里的包

conda list

#查看有哪些虚拟环境

conda info -e

#查看conda/python的版本

conda/python -V 

#新建虚拟环境同时安装必要包

conda create -n env_name numpy matplotlib pandas python=<version>

#激活虚拟环境

conda activate env_name

#退出虚拟环境

deactivate env_name

#删除虚拟环境

conda remove -n env_name --all

#删除虚拟环境里的包

conda remove --name $your_env_name $package_name（包名） 

五、pip常用的命令

pip(Python Package Index)是一个以 Python 语言写成的软件包管理系統，使用 pip 可以非常方便的安装和管理 python 软件包。

安装 pip 之后，执行 pip --help 命令，可以看到如下所示的帮助文档。（conda也一样）

 #安装（不指定版本默认安装最新版）

pip install tensorflow==2.6.0

pip还支持安装指定文件中的包，比如我们新建了一个虚拟环境，这里面什么库都没有，但我们一个一个库安装是非常麻烦的，我们就可以将全局环境中的包导入文件，然后在虚拟环境中一次性安装，剩下你只需要再安装一些虚拟环境中需要的库即可。

这种操作建议在Pycharm的终端使用，因为涉及到文件的生成，可以直接在目录中找到文件，具体操作如下：

pip freeze > requirements.txt

这条指令会生成一个文本文件，文件中就是你环境中安装的所有库及对应的版本。

然后进入虚拟环境，并输入下面这个命令，pip 就会安装文件中所有的库： 

pip install -r requirements.txt

#更新包

pip install --upgrade $package_name(包名)

#查看现有包的版本

pip freeze

#查看库里的包

pip list

 #删除包

pip uninstall package_name

---