# 如何使用 Anaconda 为机器学习和深度学习设置 Python 环境 > 原文： [https://machinelearningmastery.com/setup-python-environment-machine-learning-deep-learning-anaconda/](https://machinelearningmastery.com/setup-python-environment-machine-learning-deep-learning-anaconda/) 在某些平台上安装 Python 机器学习环境可能很困难。 必须首先安装 Python 本身，然后安装许多软件包，这对初学者来说可能会造成混淆。 在本教程中，您将了解如何使用 Anaconda 设置 Python 机器学习开发环境。 完成本教程后，您将拥有一个可用的 Python 环境，可以开始学习，练习和开发机器学习和深度学习软件。 这些说明适用于 Windows，Mac OS X 和 Linux 平台。我将在 OS X 上演示它们，因此您可能会看到一些 mac 对话框和文件扩展名。 * **2017 年 3 月更新**：补充说明你只需要 Theano 或 TensorFlow 中的一个来使用 Kears 进行深度学习。  如何使用 Anaconda 为机器学习和深度学习设置 Python 环境 ## 概观 在本教程中，我们将介绍以下步骤： 1. 下载 Anaconda 2. 安装 Anaconda 3. 启动并更新 Anaconda 4. 更新 scikit-learn Library 5. 安装深度学习库 ## 1.下载 Anaconda 在此步骤中，我们将为您的平台下载 Anaconda Python 软件包。 Anaconda 是一个免费且易于使用的科学 Python 环境。 * 1.访问 [Anaconda 主页](https://www.continuum.io/)。 * 2.单击菜单中的“Anaconda”，然后单击“下载”进入[下载页面](https://www.continuum.io/downloads)。  单击 Anaconda 和下载 * 3.选择适合您平台的下载（Windows，OSX 或 Linux）： * 选择 Python 3.5 * 选择图形安装程序  为您的平台选择 Anaconda 下载 这会将 Anaconda Python 软件包下载到您的工作站。 我在 OS X 上，所以我选择了 OS X 版本。该文件大约 426 MB。 你应该有一个名称如下的文件： ``` Anaconda3-4.2.0-MacOSX-x86_64.pkg ``` ## 2.安装 Anaconda 在此步骤中，我们将在您的系统上安装 Anaconda Python 软件。 此步骤假定您具有足够的管理权限以在系统上安装软件。 * 1.双击下载的文件。 * 2.按照安装向导进行操作。  Anaconda Python 安装向导 安装快速无痛。 应该没有棘手的问题或难点。  Anaconda Python 安装向导编写文件 安装应该不到 10 分钟，并占用硬盘驱动器上 1 GB 以上的空间。 ## 3.启动并更新 Anaconda 在此步骤中，我们将确认您的 Anaconda Python 环境是最新的。 Anaconda 附带一套名为 Anaconda Navigator 的图形工具。您可以从应用程序启动器中打开 Anaconda Navigator。  Anaconda Navigator GUI 您可以在这里了解 [Anaconda Navigator 的所有信息。](https://docs.continuum.io/anaconda/navigator.html) 您可以稍后使用 Anaconda Navigator 和图形开发环境;现在，我建议从名为 [conda](http://conda.pydata.org/docs/index.html) 的 Anaconda 命令行环境开始。 Conda 快速，简单，隐藏错误消息很难，您可以快速确认您的环境已安装并正常工作。 * 1.打开终端（命令行窗口）。 * 2.输入以下命令确认 conda 已正确安装： ``` conda -V ``` 你应该看到以下（或类似的东西）： ``` conda 4.2.9 ``` * 3.键入以下命令确认 Python 已正确安装： ``` python -V ``` You should see the following (or something similar): ``` Python 3.5.2 :: Anaconda 4.2.0 (x86_64) ```  确认已安装 Conda 和 Python 如果命令不起作用或出现错误，请查看文档以获取适用于您的平台的帮助。 请参阅“进一步阅读”部分中的一些资源。 * 4.确认您的 conda 环境是最新的，键入： ``` conda update conda conda update anaconda ``` 您可能需要安装一些软件包并确认更新。 * 5.确认您的 SciPy 环境。 下面的脚本将打印机器学习开发所需的关键 SciPy 库的版本号，特别是：SciPy，NumPy，Matplotlib，Pandas，Statsmodels 和 Scikit-learn。 您可以键入“python”并直接键入命令。或者，我建议打开文本编辑器并将脚本复制粘贴到编辑器中。 ``` # scipy import scipy print('scipy: %s' % scipy.__version__) # numpy import numpy print('numpy: %s' % numpy.__version__) # matplotlib import matplotlib print('matplotlib: %s' % matplotlib.__version__) # pandas import pandas print('pandas: %s' % pandas.__version__) # statsmodels import statsmodels print('statsmodels: %s' % statsmodels.__version__) # scikit-learn import sklearn print('sklearn: %s' % sklearn.__version__) ``` 将脚本保存为名为 _versions.py_ 的文件。 在命令行上，将目录更改为保存脚本的位置并键入： ``` python versions.py ``` 您应该看到如下输出： ``` scipy: 0.18.1 numpy: 1.11.1 matplotlib: 1.5.3 pandas: 0.18.1 statsmodels: 0.6.1 sklearn: 0.17.1 ``` 你得到了什么版本？ 将输出粘贴到下面的注释中。  确认 Anaconda SciPy 环境 ## 4.更新 scikit-learn Library 在这一步中，我们将更新用于 Python 机器学习的主库，名为 scikit-learn。 * 1.更新 scikit-学习最新版本。 在撰写本文时，Anaconda 附带的 scikit-learn 版本已过时（0.17.1 而不是 0.18.1）。您可以使用 conda 命令更新特定库;下面是更新 scikit-learn 到最新版本的示例。 在终端输入： ``` conda update scikit-learn ```  更新 Anikonda 中的 scikit-learn 或者，您可以通过键入以下内容将库更新为特定版本： ``` conda install -c anaconda scikit-learn=0.18.1 ``` 确认安装成功并通过键入以下命令重新运行 _versions.py_ 脚本来更新 scikit-learn： ``` python versions.py ``` You should see output like the following: ``` scipy: 0.18.1 numpy: 1.11.3 matplotlib: 1.5.3 pandas: 0.18.1 statsmodels: 0.6.1 sklearn: 0.18.1 ``` What versions did you get? Paste the output in the comments below. 您可以根据需要使用这些命令更新机器学习和 SciPy 库。 尝试 scikit-learn 教程，例如： * [你的第一个 Python 循环机器学习项目](http://machinelearningmastery.com/machine-learning-in-python-step-by-step/) ## 5.安装深度学习库 在这一步中，我们将安装用于深度学习的 Python 库，特别是：Theano，TensorFlow 和 Keras。 **注**：我建议使用 Keras 进行深度学习，而 Keras 只需要安装 Theano 或 TensorFlow 中的一个。你不需要两个！在某些 Windows 计算机上安装 TensorFlow 可能会出现问题。 * 1.输入以下命令安装 Theano 深度学习库： ``` conda install theano ``` * 2.键入以下命令安装 TensorFlow 深度学习库（Windows 以外的所有库）： ``` conda install -c conda-forge tensorflow ``` 或者，您可以选择使用 pip 和特定版本的 tensorflow 为您的平台安装。 有关张量流，请参阅[安装说明。](https://www.tensorflow.org/get_started/os_setup#anaconda_installation) * 3.输入以下命令安装 Keras： ``` pip install keras ``` * 4.确认您的深度学习环境已安装并正常运行。 创建一个打印每个库的版本号的脚本，就像我们之前为 SciPy 环境所做的那样。 ``` # theano import theano print('theano: %s' % theano.__version__) # tensorflow import tensorflow print('tensorflow: %s' % tensorflow.__version__) # keras import keras print('keras: %s' % keras.__version__) ``` 将脚本保存到文件 _deep_versions.py_ 。键入以下命令运行脚本： ``` python deep_versions.py ``` 您应该看到如下输出： ``` theano: 0.8.2.dev-901275534cbfe3fbbe290ce85d1abf8bb9a5b203 tensorflow: 0.12.1 Using TensorFlow backend. keras: 1.2.1 ```  Anaconda 确认深度学习库 你得到了什么版本？ 将您的输出粘贴到下面的注释中。 尝试使用 Keras 深度学习教程，例如： * [用 Keras 逐步开发 Python 中的第一个神经网络](http://machinelearningmastery.com/tutorial-first-neural-network-python-keras/) ## 进一步阅读 本节提供了一些进一步阅读的链接。 * [Anaconda 文档](https://docs.continuum.io/) * [Anaconda 文档：安装](https://docs.continuum.io/anaconda/install) * [Conda](http://conda.pydata.org/docs/index.html) * [使用 conda](http://conda.pydata.org/docs/using/) * [Anaconda Navigator](https://docs.continuum.io/anaconda/navigator.html) * [安装 Theano](http://deeplearning.net/software/theano/install.html) * [安装 TensorFlow Anaconda](https://www.tensorflow.org/get_started/os_setup#anaconda_installation) * [Keras 安装](https://keras.io/#installation) ## 摘要 恭喜，您现在拥有一个可用于机器学习和深度学习的 Python 开发环境。 您现在可以在工作站上学习和练习机器学习和深度学习。 你是怎么去的？ 请在下面的评论中告诉我。