科学计算环境配置教程(win10)

发布 : 2019-01-29 分类 : 数据科学 浏览 :

科学计算环境配置教程

你本次需要安装,最好用有线网下载。

  • Anaconda

  • spyder

  • jupyter notebook

  • Sklearn

  • XgBoost

  • LightGBM

  • CatBoost

  • Keras

  • TensorFlow

文末有介绍如何在实验室的文件服务器上,下载所需要的安装包。

1.Anaconda安装

如果你已经装了Anaconda,并且在使用过程中没有出现奇怪的问题,可以跳过安装步骤。

否则,建议你把原来的卸载掉,按照这个步骤重新安装!!!

1.1安装

首先在清华镜像站下载安装包:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

  1. 选择Anaconda3-5.0.1版本下载(经踩坑发现,5.2和5.3版本在创建环境时存在bug;所以不要在意后面图片写的是5.3版本的,事实上我在5.0版本上才安装成功)

1.jpg

  1. 运行安装包,改变安装目录,将其放到非系统盘

2.jpg

  1. 将两个选项都勾上,安装

    3.jpg

  1. 这里选择跳过

    4.jpg

1.2 更换conda镜像源

anaconda默认的镜像源在国外,访问速度非常慢。所以这里我们首先将它改为国内的清华镜像站。

  1. 按下win+R快捷键,在运行窗口输入cmd

    5.jpg

  1. 在cmd中,依次输入以下三行命令。(逐条复制上去)
1
2
3
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

像这样就完成了
6.jpg

1.3 更换pip源

默认pip源也在国外,这里换成国内豆瓣提供的pip源:

    1. 在C:\Users\【你的用户名】 目录下新建一个名为pip的文件夹

    8.jpg

    1. pip目录下创建pip.txt文件,并将文件后缀名改为ini

    7.jpg

将以下内容写入文件,并保存

1
2
3
[global]
timeout = 60
index-url = https://pypi.doubanio.com/simple
    1. 完成

2环境安装

2.0 Anaconda

anaconda 5.0默认Python版本为3.6.3,目前已经支持TensorFlow了,这意味着你可以跳过这一步。

但是,保险起见,我们还是使用Python3.5环境,因为这个版本的Python,有更多的科学计算包兼容它。

    1. 在开始菜单中启动它。(启动较慢,需等待)

9.jpg

    1. 创建一个名为py35的python 3.5环境

    10.jpg

    1. 接下来安装所要的包

    11.jpg

注意将Applications on切换到新建的py35环境,把箭头所指的都装上。

以上步骤,如果你打不开界面,或者安装时报错,可以在命令行中进行操作。在cmd中依次执行以下命令:

1
2
3
4
5
conda create -n py35 python=3.5
activate py35
conda install spyder
conda install jupyter
conda install glueviz
    1. 安装完成后启动这个jupyter notebook

    12.jpg

    1. 在浏览器打开这个地址

    13.jpg

    1. 在右上角,新建一个ipython文件

    14.jpg

    1. 确保这段代码能够正常运行,即安装成功

    15.jpg

如果没有报错,则说明上面步骤没有问题。

2.1 安装scikit-learn

在cmd中输入以下命令,激活刚刚创建的py35环境

1
activate py35

16.jpg

注意:在cmd中使用命令操作所创建的环境之前,都需要指定一个环境,并激活它。

使用(activate + 环境名称)激活环境

一共两步

  1. 输入activate py35,激活环境

  2. 输入

    1
    pip install scikit-learn

17.jpg

运行这段代码,如果没有报错则说明安装成功

1
from sklearn.ensemble import RandomForestClassifier

2.2 安装XGBOOST

输入以下命令:安装

1
pip install xgboost

检查是否安装成功

1
import xgboost as xgb

2.3 安装LightGBM

输入以下命令:安装

1
pip install lightgbm

检查是否安装成功

1
import lightgbm as lgb

2.4 安装CatBoost

输入以下命令:安装

1
pip install catboost

检查是否安装成功

1
from catboost import CatBoostClassifier

2.5 安装TensorFlow CPU版

如果你没有显卡,或者你的显卡不是Nvidia的,请安装CPU版。

1
pip install tensorflow

2.6 安装TensorFlow GPU版

如果你的显卡是NVIDIA的,建议安装GPU版,它支持cuda加速,可以十倍提高精算性能。

在安装GPU版的tensorflow之前,你需要安装CUDA Toolkit和cuDNN

注意:在进行以下步骤之前,请再次确认,你的显卡是NVIDIA的显卡,并且显卡驱动版本为384.x或以上。

最新release版本的tensorflow需要以下工具包。安装时,一定要注意版本号对不对!!

这两个安装包已经上传到了群文件,请直接下载安装。(安装包是win10的,其他系统自行下载)

CUDA

运行cuda_9.0.176_win10.exe文件

  1. 首先选择一个临时文件夹,在安装结束后可以将其删除

    18.jpg

  1. 选择Custom安装!!

    19.jpg

  1. 建议将这三个文件夹放在同一目录下(方便后面查找)

    20.jpg

  1. 一路next,安装完成

cuDNN

  1. 解压cudnn-9.0-windows10-x64-v7.4.1.5.zip

  2. 复制解压出来的文件

    21.jpg

  1. 将其复制到cuda/development目录

    22.jpg

  1. 在环境变量中添加以下路径

    23.jpg

注意将目录改成自己的

24.jpg

安装tensorflow-gpu

  1. 激活环境后,在cmd输入以下命令进行安装:

    1
    pip install tensorflow-gpu
  2. 运行以下代码,检测是否安装成功

    1
    2
    3
    4
    import tensorflow as tf
    hello = tf.constant('Hello, TensorFlow!')
    sess = tf.Session()
    print(sess.run(hello))

2.7 Keras安装

注意:Keras一定要在装好TensorFlow之后安装。

输入以下命令:安装

1
pip install Keras

运行以下代码,检测是否安装成功

1
from keras.layers import Dense

- 恭喜你,终于把环境配好了~

文件下载

  • Anaconda安装包
  • CUDA安装包
  • cuDNN文件

以上文件均已上传到实验室文件服务器。

使用有线网,在地址栏输入\\file.kenvix.com\File\科学计算环境安装,即可下载。

25.jpg

###最后介绍一下jupyter notebnook快捷键

快捷键有很多,这里介绍最常用的几个

  • Shift-Enter : 运行本单元,选中下个单元
  • Ctrl-Enter : 运行本单元
  • Alt-Enter : 运行本单元,在其下插入新单元
  • Shift-Tab : 输出帮助信息,部分函数、类、方法等会显示其定义原型,如果在其后加 ? 再运行会显示更加详细的帮助
  • Tab : 代码补全
  • ESC : 进入命令模式
  • A : 命令模式下使用,向上增加单元
  • B : 命令模式下使用,向下增加单元

随安装教程发布的还有Python入门的jupyter notebook文件,

请用jupyter notebook打开,并弄懂里面的代码。

  • 欢迎关注我的公众号,一起学习!

    MachineEpoch
本文作者 : HeoLis
原文链接 : http://ishero.net/科学计算环境配置教程-win10.html
版权声明 : 本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明出处!

学习、记录、分享、获得

微信扫一扫, 向我投食

微信扫一扫, 向我投食