機器學習環境搭建筆記
標簽: 深度學習 機器學習 python 自然語言處理 學習筆記
搭建一個新環境,具體過程記錄如下:
機器環境 Linux nginx1 2.6.32-431.el6.x86_64 #1 SMP Sun Nov 10 22:19:54 EST 2013 x86_64 x86_64 x86_64 GNU/Linux
簡單起見,所有操作使用root,僅使用學習或實驗環境。
另:windows10環境中使用anaconda安裝tensorflow 見:https://blog.csdn.net/ebzxw/article/details/80701613
第一部分:python環境
一 注意事項
一般默認會安裝Python2, 如果本機安裝了python2,盡量不要管他,使用python3運行python腳本就好,因為可能有程序依賴目前的python2環境, 比如yum!!!!!
不要動現有的python2環境!
二 安裝python3.6.5
1.下載Python3 https://www.python.org/downloads/
下載下來的文件是 Python-3.6.5.tar.xz
2. 解包編譯安裝(自帶包含pip3)
cd /opt/install
xz -d Python-3.6.5.tar.xz
tar -xvf Python-3.6.5.tar
cd Python-3.6.5
mkdir -p /usr/local/python3
./configure --prefix=/usr/local/python3
make
make install
ln -s /usr/local/python3/bin/python3 /usr/bin/python3
ln -s /usr/local/python3/bin/pip3 /usr/bin/pip3
3.檢查確認安裝成功
# python3 -V
Python 3.6.5
# pip3 -V
pip 9.0.3 from /usr/local/python3/lib/python3.6/site-packages (python 3.6)
三 安裝Anaconda
1.下載地址:https://www.anaconda.com/download
2. 如上圖,選linux,download, 打開安裝說明對照安裝
其中關鍵步驟:1)bash ~/Downloads/Anaconda3-5.2.0-Linux-x86_64.sh
2)如下需要自定義安裝目錄可配置。 比如輸入: /usr/local/anaconda
3)添加環境變量,輸入yes (注意:這一步最好選擇Yes,要不然每次都要進行額外的手動添加環境變量;)
3. 建立鏈接:
ln -s /usr/local/anaconda3/bin/anaconda-navigator /usr/bin/anaconda-navigator
ln -s /usr/local/anaconda3/bin/jupyter /usr/bin/jupyter
ln -s /usr/local/anaconda3/bin/conda /usr/bin/conda
4. 驗證安裝結果:
1) 執行命令:conda --version (作用:查看當前Anaconda的版本)
2) 執行:conda info tensorflow (查看包信息與依賴)
報以下錯誤:
解決辦法:
anaconda-navigator
anaconda使用說明參考:Getting started with Anaconda.
https://blog.csdn.net/cs_hnu_scw/article/details/79695347
智能推薦
從零開始機器學習-1 TensorFlow的環境搭建
由 沈慶陽 所有,轉載請與作者取得聯系! 什么是機器學習 機器學習,顧名思義,讓機器去實現人類的學習行為。傳統的編程中,如果需要解決一個問題,需要程序員來設計如何解決這個問題。而通過機器學習,我們可以使用各種機器學習的方法,使計算機程序具有不斷獲取新的知識的能力,從而適應解決各種問題。 而深度學習是機器學習中十分火熱的一個話題,通過搭建神經網絡的模型來實現機器學習。現階段,有如Torch、Caff...
freemarker + ItextRender 根據模板生成PDF文件
1. 制作模板 2. 獲取模板,并將所獲取的數據加載生成html文件 2. 生成PDF文件 其中由兩個地方需要注意,都是關于獲取文件路徑的問題,由于項目部署的時候是打包成jar包形式,所以在開發過程中時直接安照傳統的獲取方法沒有一點文件,但是當打包后部署,總是出錯。于是參考網上文章,先將文件讀出來到項目的臨時目錄下,然后再按正常方式加載該臨時文件; 還有一個問題至今沒有解決,就是關于生成PDF文件...
電腦空間不夠了?教你一個小秒招快速清理 Docker 占用的磁盤空間!
Docker 很占用空間,每當我們運行容器、拉取鏡像、部署應用、構建自己的鏡像時,我們的磁盤空間會被大量占用。 如果你也被這個問題所困擾,咱們就一起看一下 Docker 是如何使用磁盤空間的,以及如何回收。 docker 占用的空間可以通過下面的命令查看: TYPE 列出了docker 使用磁盤的 4 種類型: Images:所有鏡像占用的空間,包括拉取下來的鏡像,和本地構建的。 Con...
requests實現全自動PPT模板
http://www.1ppt.com/moban/ 可以免費的下載PPT模板,當然如果要人工一個個下,還是挺麻煩的,我們可以利用requests輕松下載 訪問這個主頁,我們可以看到下面的樣式 點每一個PPT模板的圖片,我們可以進入到詳細的信息頁面,翻到下面,我們可以看到對應的下載地址 點擊這個下載的按鈕,我們便可以下載對應的PPT壓縮包 那我們就開始做吧 首先,查看網頁的源代碼,我們可以看到每一...
猜你喜歡
Linux C系統編程-線程互斥鎖(四)
互斥鎖 互斥鎖也是屬于線程之間處理同步互斥方式,有上鎖/解鎖兩種狀態。 互斥鎖函數接口 1)初始化互斥鎖 pthread_mutex_init() man 3 pthread_mutex_init (找不到的情況下首先 sudo apt-get install glibc-doc sudo apt-get install manpages-posix-dev) 動態初始化 int pthread_...
統計學習方法 - 樸素貝葉斯
引入問題:一機器在良好狀態生產合格產品幾率是 90%,在故障狀態生產合格產品幾率是 30%,機器良好的概率是 75%。若一日第一件產品是合格品,那么此日機器良好的概率是多少。 貝葉斯模型 生成模型與判別模型 判別模型,即要判斷這個東西到底是哪一類,也就是要求y,那就用給定的x去預測。 生成模型,是要生成一個模型,那就是誰根據什么生成了模型,誰就是類別y,根據的內容就是x 以上述例子,判斷一個生產出...
styled-components —— React 中的 CSS 最佳實踐
https://zhuanlan.zhihu.com/p/29344146 Styled-components 是目前 React 樣式方案中最受關注的一種,它既具備了 css-in-js 的模塊化與參數化優點,又完全使用CSS的書寫習慣,不會引起額外的學習成本。本文是 styled-components 作者之一 Max Stoiber 所寫,首先總結了前端組件化樣式中的最佳實踐原則,然后在此基...