相信做数据分析和机器学习的同学选择环境和IDE时都有过犹豫,尤其市场上的产品比较多,大家感受不一,但无论如何,简单高效,方便管理,适合自己,应该是最重要的评估标准。好的工具往往是我们事半功倍,本问推荐Anaconda+VScode及亲自安装实践供参考使用 为什么选择Anaconda Anaconda是开源项目,可在Linux,Windows和Mac OS X上执行Python / R,对于数据科学和机器的学习具有如下优势:
为什么选择Visaul Studio code 根据观察统计,目前大部分Python开发者都是用 Pycharm 作为编辑器进行开发,Pycharm功能强大,但是个人感觉Pycharm用起来比较笨重,电脑有时因此卡顿,而且还收费的,需要进行破解才能使用。相比下,Sublime Text 、 Visaul Studio code这类工具更简单轻便,毕竟只是个代码编辑器,设置运行在windows cmd窗口或者Linux 环境也是可以的。Sublime text 这里不做介绍,这里介绍vs code ,因为最近官方宣布其直接支持Jupyter notebook,极大的方便数据可视化。不用再去--jupyter notebook 运行,去起浏览器了。 Anaconda 安装 下载安装https://www./ 本次是选择基于windows python3.7 64位。 安装选项这里两个都选择,否则还得手动添加环境变量。 anaconda使用 1)cmd输入 C:\Users\MSI-PC>conda --versionconda 4.7.12 2)CMD界面输入python进入ipython交互界面(其实没啥用,jupyter notebook包含此功能) 3)pip list 可以看到当前的包。可以看到numpy、pandas、scikit-learn、scipy 、seaborn常用的数据图形工具都有安装。 4)conda env list 查询当前环境,base 为默认环境,tfg1.11为新建 C:\Users\MSI-PC>conda env list# conda environments:#base * D:\ProgramFiles\Anacoda3tfg1.11 D:\ProgramFiles\Anacoda3\envs\tfg1.11 5)如需独立的环境。如想试下tensorflow2.0效果如何,利用 conda create -n your_env_name python=X.X即可建立。将会在anaconda/envs目录下建立your_env_name目录,如想重装或迁移环境,将安装包下文件拷贝到新的anaconda对应目录下即可D:\ProgramFiles\Anacoda3\envs。通过conda activate your_env_name即可进入该独立环境。以下是本机环境建立的用于tensorflow学习的独立环境。 注安装完Anaconda后其实已经有IED Spyder IDE和jupter notebook可视化工具感兴趣的可以尝试下是否习惯。 VS code 安装 下载地地址,https://code./ 只有40M. 1)对anaconda3环境的导入,这里使用Anaconda Extension Pack,ctrl+shif+f 搜索Anaconda Extension Pack 点击安装 2)python基本环境安装 ctrl+shif+f 搜索python 点击install 即可安装。 注:因为上边安装了anaconda3,所以似乎是不用再安装python的扩展了。 VS code 测试 1)新建test.py文件,测试GPU是否可用,ctrl+F5运行。 import tensorflow as tfgpu_test= tf.test.is_gpu_available()print('GPU是否可用',gpu_test)#输出:GPU是否可用 True 左下角可以看到使用的编译环境是conda tfg1.11(点击此处可切换其他conda 环境) 2)在vs code中同样可以像jupyter notebook那样以cell的形式执行交互式脚本。 - 使用 `ctrl+ shift+ p` 调出 **Command Palette** 然后输入 `Python: Switch` - 这里我们选择第二个 **Python: Switch to Insiders Daily Channel** 首次安装等几分钟。 - 方法一: 使用 `ctrl + shift + p` 输入 `Python: Create New Blank Jupyter Notebook` -方法二: 直接左上角新建文件, 然后 `ctrl + s` 保存为 `.ipynb` 格式即可、 加载一个花瓣识别数据 使用下来感觉vs code 还是很方便的。无论GPU使用、anaconda环境切换,还是jupyter notebook都可以满足需求需求。 |
|
来自: copy_left > 《python相关》