机器学习环境配置

简介: 机器学习环境配置

一、Anaconda

1、安装Anaconda

Anaconda的安装:https://www.anaconda.com/

Anaconda-国内镜像站

在terminal上看到(base)说明安装已完成

fish

zsh

2、conda换源

添加中科大源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

查看源

cat ~/.condarc

3、conda基本命令

创建虚拟环境

conda create -n py38 python=3.8

激活当前环境

conda activate py38

查看当前虚拟环境中已安装内容

conda list

查看当前已有的虚拟环境

conda env list

二、pip

pip更换国内镜像

检查是否已存在pip.conf文件,若无需手动创建

cd ~/.pip/pip.conf
# cd: no such file or directory: ~/.pip/pip.conf

# 若出现以上信息则说明无配置文件,需手动创建
mkdir ~/.pip
touch ~/.pip/pip.conf

编辑pip.conf文件内容

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

三、PyTorch

1、安装PyTorch

conda create -n py3.8 python=3.8
conda activate py3.8
conda install pytorch torchvision -c pytorch

2、验证pytorch安装成功

>>> import torch
>>> torch.__version__
'1.13.1'

3、使用GPU

此处和之前的cuda调用方式略有不同,需要在tensor里加入参数 device='mps'

等价与之前的device='cuda'

x = torch.ones((1024 * 12, 1024 * 12), dtype=torch.float32,device='mps')

但要注意的是mps目前还并不是tensor的方法,也就是说不能像以下代码一样使用gpu

x = torch.ones((1024 * 12, 1024 * 12), dtype=torch.float32).cuda()

四、jupyter

代码的自动提示和补全功能

1、下载jupyter提示功能的包

pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
pip install --user jupyter_nbextensions_configurator
jupyter nbextensions_configurator enable --user

2、打开jupyter

conda activate py38

jupyter notebook

3、点击Edit菜单,然后选择 “nbextenstions config”

五、常用软件包

1、open-cv

pip install opencv-python==4.5.3.56

2、matplotlib

pip install matplotlib
目录
相关文章
|
5月前
|
机器学习/深度学习 iOS开发 MacOS
MAC系统机器学习环境配置常见问题
MAC系统机器学习环境配置常见问题
|
机器学习/深度学习 iOS开发 MacOS
MAC系统机器学习环境配置常见问题
MAC系统机器学习环境配置常见问题
MAC系统机器学习环境配置常见问题
|
机器学习/深度学习 IDE 开发工具
python机器学习入门之opencv的安装与环境配置(超详细,避坑必看,包括没代码提示的解决)
python机器学习入门之opencv的安装与环境配置(超详细,避坑必看,包括没代码提示的解决)
350 0
python机器学习入门之opencv的安装与环境配置(超详细,避坑必看,包括没代码提示的解决)
|
5月前
|
机器学习/深度学习 存储 搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
210 14
|
5月前
|
机器学习/深度学习 算法 数据可视化
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
97 1
|
5月前
|
机器学习/深度学习 算法 搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
|
5月前
|
机器学习/深度学习 数据采集 算法
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
256 0
|
5月前
|
机器学习/深度学习 数据采集 监控
机器学习-特征选择:如何使用递归特征消除算法自动筛选出最优特征?
机器学习-特征选择:如何使用递归特征消除算法自动筛选出最优特征?
791 0
|
5月前
|
机器学习/深度学习 人工智能 算法
探索机器学习中的支持向量机(SVM)算法
【2月更文挑战第20天】 在数据科学与人工智能的领域中,支持向量机(SVM)是一种强大的监督学习算法,它基于统计学习理论中的VC维理论和结构风险最小化原理。本文将深入探讨SVM的核心概念、工作原理以及实际应用案例。我们将透过算法的数学原理,揭示如何利用SVM进行有效的数据分类与回归分析,并讨论其在处理非线性问题时的优势。通过本文,读者将对SVM有更深层次的理解,并能够在实践中应用这一算法解决复杂的数据问题。
67 0
|
5月前
|
机器学习/深度学习 分布式计算 算法
大模型开发:你如何确定使用哪种机器学习算法?
在大型机器学习模型开发中,选择算法是关键。首先,明确问题类型(如回归、分类、聚类等)。其次,考虑数据规模、特征数量和类型、分布和结构,以判断适合的算法。再者,评估性能要求(准确性、速度、可解释性)和资源限制(计算资源、内存)。同时,利用领域知识和正则化来选择模型。最后,通过实验验证和模型比较进行优化。此过程涉及迭代和业务需求的技术权衡。
86 2
下一篇
无影云桌面