机器学习的相关软件框架下载安装-1

简介: 机器学习的相关软件框架下载安装-1

文章目录

一、Anaconda

1. Anaconda 的下载

2. Anaconda 的安装

3. Anaconda Navigator 打不开问题(不适用所有)

二、PyTorch-CPU

1. PyTorch 环境创建

2. PyTorch 下载

3. Jupyter 中使用 PyTorch

三、Python 版本升级与包的维护

1. 更新 Anaconda

2. 查看与更新 python 版本

3. Python 第三方库管理

3.1 pip工具的使用和升级

3.2 pip 安装和删除第三方库

3.3 pip 查看和升级第三方库版本

3.4 修改 pip 镜像源


一、Anaconda

  • 在数据科学领域,Anaconda则目前最通用的、可以一键安装各类数据科学类编程语言及开发环境的软件,也正因如此,我们也称 Anaconda 为数据科学计算平台。
  • 由于 Anaconda 中自带 Python,因此不需要再额外下载。


1. Anaconda 的下载

  • 访问 Anaconda 官网,点击页面中的 Download,这个直接是 Windows 版本


dbce8ca3bc4d4d9ca4568eb3183506a6.png


如果是其他版本的,点击 Download 下的三个按钮,分别对应 Windows,MacOS 和 Linux 三种。此时再下载对应的版本即可。


5dac5593c6bf44c584ba724cf079af79.png


e4c9ab4f09464c57818c44556385c0c9.png


  • 在其中选择适合我们的版本即可,镜像网站只有 5.3.1 之前的版本,建议下载 5.3.1 版本。

2. Anaconda 的安装

  • 下载完成后,即可开始安装。双击安装文件,进入欢迎界面,点击 Next。


aa4a1cac6c8f44c2a9a96aaa0bbd7cf5.png


  • 点击同意,进入到下一步。


1866b339ac7b472c825cf92d3aaac188.png

选择软件使用权限,是指针对当前登录用户还是所有用户,二者都行,无特殊要求。

93ac4e69a8e747da872c634814225543.png


选择安装位置,完成安装。


8f4f7b2ae1464e02a2c6d5dddc93b134.png


如果出现此页面,需要勾选配置环境变量选项。


9350c70bc9bb4f4ca80305baecc1cdbf.png


无需安装 VS Code,直接跳过即可。

bf27b1b99ec748f5bfec837b0ed5a31f.png


  • 之后便安装完成了。
  • 最后对是否安装成功进行验证,在 CMD 中输入
conda --version


若出现像这样的 conda 版本号即安装成功。

79b9b8af31054e9198bbf51f2299cf09.png


3. Anaconda Navigator 打不开问题(不适用所有)


当我们打开 Anaconda Navigator 先是出来几个命令框,然后就找不到 Anaconda Navigator 了,再点击 Anaconda Navigator 时,显示已经打开。

产生上述的问题主要是没更新客户端(-client),采取如下步骤解决问题。

(1) 使用管理员运行:conda prompt。

(2) 输入 conda update conda 更新 conda,再输入conda update anaconda-navigator 更新。

如果出错,则需要修改 .condarc 文件,该文件的目录为:c:\user\你的用户名.condarc,如果没有打开方式就使用文本方式打开。

以文本方式打开 .condarc 文件后:先删除 default 那一行,然后将所有 https 都改成 http 即可。

接下来执行conda update anaconda-navigator,一般可以执行更新了

(3) 重置 Navigator:anaconda-navigator --reset。

(4) 执行命令:conda update anaconda-client,更新 Anaconda 客户端。

(5) 执行命令:conda update -f anaconda-client。

(6) 能打开 Navigator 了。



二、PyTorch-CPU

  • PyTorch 是一个开源的 Python 机器学习库,基于 Torch,用于自然语言处理等应用程序。

1. PyTorch 环境创建



  • PyTorch 的环境创建分为如下几步。
  • (1) 以管理员方式运行 Anaconda Prompt,在命令行格式下,输入代码,完成调用清华镜像、建立 PyTorch 环境、安装 PyTorch 、测试 PyTorch 过程。
  • (2) 使用清华镜像源,分别输入以下四句代码。
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
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  • 3) 创建 PyTorch 环境,这里我的 Python 版本是 3.7,输入如下代码。
conda create -n pytorch python=3.7
  • 之后,弹出提示,输入 y,即可安装。然后,查看环境是否安装成功。
conda info --envs


  • 这里我们可以看到 base 和 pytorch 两个环境,* 表示当前正处于的环境。


28b67134e80a44a3b5e6c5a39cd00bb7.png

  • 4) 输入如下代码,进入 pytorch 环境当中,我们在此环境下安装 PyTorch。
activate pytorch



  • 此时,如果我们每一行最初的(base)变为(pytorch )就说明上述步骤已完成。

2. PyTorch 下载


(1) 进入到 PyTorch 的官网:https://pytorch.org/,选择对应的安装版本。由于电脑配置的相关问题,这里选择安装 PyTorch-CPU 版本。

9fe5df0d9ac4460fb32afd97b6654b21.png


  • (2) 输入官网提供的运行代码,这里每个人的运行代码都不相同,大家输入自己的即可,弹出提示,输入 y,即可完成安装,显示 done。
pip3 install torch torchvision torchaudio


跟 Anaconda 的问题相同,在官网上下载速度实在是过于缓慢,因此大家可以使用清华镜像源进行安装,此处就不过多叙述,本人直接官网下载安装的。

(3) 在 PyTorch 下载完成后,对其是否安装完成进行测试。

激活 pytorch:activate pytorch

进入 python:python

测试 numpy:import numpy

测试 pytorch:import torch

如果以上步骤都没问题,那么安装成功。

cdedbbc34c6346deaf478c387c483ba1.png


3. Jupyter 中使用 PyTorch

  • (1) 打开 Anaconda Prompt。
  • (2) 进入安装好的 pytorch 环境。
conda activate pytorch #pytorch3.8 是之前建立的环境名称,可修改为自己建立名称

2adec276da364416b70f5aec898f9ee0.png


  • (3) 安装 package:nb_conda。
conda install nb_conda


(4) 安装完成后,输入 jupyter notbook 就可以打开 Jupyter 了。

30e379d7ef5e472a8b3e2f04aa574448.png


如果中间出现了解决 python.exe 无法找到程序输入点 … 于动态链接库 …pythoncom37.dll 的弹窗提示这类问题,只需要找到对应目录,将 pythoncom37.dll 删除即可。































相关文章
|
7月前
|
机器学习/深度学习 分布式计算 DataWorks
机器学习PAI常见问题之安装pyalink卡在qtconsole 4.0如何解决
PAI(平台为智能,Platform for Artificial Intelligence)是阿里云提供的一个全面的人工智能开发平台,旨在为开发者提供机器学习、深度学习等人工智能技术的模型训练、优化和部署服务。以下是PAI平台使用中的一些常见问题及其答案汇总,帮助用户解决在使用过程中遇到的问题。
|
4月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
198 4
|
3月前
|
机器学习/深度学习 人工智能 算法
ML.NET:一个.NET开源、免费、跨平台的机器学习框架
ML.NET:一个.NET开源、免费、跨平台的机器学习框架
|
7月前
|
机器学习/深度学习 分布式计算 算法
机器学习PAI常见问题之下载了很多版本依赖包导致超时如何解决
PAI(平台为智能,Platform for Artificial Intelligence)是阿里云提供的一个全面的人工智能开发平台,旨在为开发者提供机器学习、深度学习等人工智能技术的模型训练、优化和部署服务。以下是PAI平台使用中的一些常见问题及其答案汇总,帮助用户解决在使用过程中遇到的问题。
|
4月前
|
机器学习/深度学习 PyTorch TensorFlow
机器学习框架调研
机器学习框架调研
40 1
|
4月前
|
机器学习/深度学习 JSON API
【Python奇迹】FastAPI框架大显神通:一键部署机器学习模型,让数据预测飞跃至Web舞台,震撼开启智能服务新纪元!
【8月更文挑战第16天】在数据驱动的时代,高效部署机器学习模型至关重要。FastAPI凭借其高性能与灵活性,成为搭建模型API的理想选择。本文详述了从环境准备、模型训练到使用FastAPI部署的全过程。首先,确保安装了Python及相关库(fastapi、uvicorn、scikit-learn)。接着,以线性回归为例,构建了一个预测房价的模型。通过定义FastAPI端点,实现了基于房屋大小预测价格的功能,并介绍了如何运行服务器及测试API。最终,用户可通过HTTP请求获取预测结果,极大地提升了模型的实用性和集成性。
266 1
|
4月前
|
机器学习/深度学习 算法
【Deepin 20系统】机器学习分类算法模型xgboost、lightgbm、catboost安装及使用
介绍了在Deepin 20系统上使用pip命令通过清华大学镜像源安装xgboost、lightgbm和catboost三个机器学习分类算法库的过程。
56 4
|
4月前
|
机器学习/深度学习 PyTorch TensorFlow
NumPy 与机器学习框架的集成
【8月更文第30天】NumPy 是 Python 中用于科学计算的核心库之一,它提供了高效的多维数组对象,以及用于操作数组的大量函数。NumPy 的高效性和灵活性使其成为许多机器学习框架的基础。本文将探讨 NumPy 如何与 TensorFlow 和 PyTorch 等流行机器学习框架协同工作,并通过具体的代码示例来展示它们之间的交互。
59 0
|
4月前
|
机器学习/深度学习 数据采集 测试技术
利用Python实现简单的机器学习模型软件测试的艺术与科学:探索自动化测试框架的奥秘
【8月更文挑战第27天】在本文中,我们将一起探索如何通过Python编程语言创建一个简单的机器学习模型。我们将使用scikit-learn库中的线性回归模型作为示例,并通过一个实际的数据集来训练我们的模型。文章将详细解释每一步的过程,包括数据预处理、模型训练和预测结果的评估。最后,我们会用代码块展示整个过程,确保读者能够跟随步骤实践并理解每个阶段的重要性。
|
4月前
|
人工智能 物联网 异构计算
AI智能体研发之路-模型篇(一):大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用
AI智能体研发之路-模型篇(一):大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用
274 0