欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

MacOS配置Anaconda3(Miniconda3)下Python3.6、Python3.7和Python2.7环境和基础机器学习、神经网络相关包详解(版本号对应)

程序员文章站 2023-09-17 21:21:50
涉及pkg有机器学习、神经网络、图像处理相关,平台PyCharm,也可以终端或者Jupyter Notebook因为Tensorflow今年升级了2.0,代码改动比较大,以前写的很多代码都是在1.12版本下写的,2.0版本下跑不了(首先一个最大的区别就是2.0以后就和keras合并了,直接用2.0跑旧代码记得加一句from tensorflow import keras)同时有些项目要用到Python2.7,这样需要切换的环境就很多了且pkg与pkg之间很容易出现incompatible的问...

涉及pkg有机器学习、神经网络、图像处理相关,平台PyCharm,也可以终端或者Jupyter Notebook

因为Tensorflow今年升级了2.0,代码改动比较大,以前写的很多代码都是在1.12版本下写的,2.0版本下跑不了

(首先一个最大的区别就是2.0以后就和keras合并了,直接用2.0跑旧代码记得加一句from tensorflow import keras

同时有些项目要用到Python2.7,这样需要切换的环境就很多了

且pkg与pkg之间很容易出现incompatible的问题

所以准备写一篇从零开始配置环境的文章,这样以后重装会省事很多

算是写给自己的笔记,可能有些笔误,会更新

博主非CS专业,有错请见谅,欢迎指出

【刚入坑的建议直接看Python3.7部分,更简单(用yml一键安装)且版本最新】


【Python3部分】

一、下载并安装Miniconda3

(原作者:FR1SKY,发布于CSDN)

https://docs.conda.io/en/latest/miniconda.html

下载Miniconda3 MacOSX 64-bit pkg并安装

二、打开终端(Terminal),创建环境(env),安装各种pkg

(原作者:FR1SKY,发布于CSDN)

红字可以改成你想称呼这个环境的任何名字,蓝字可装可不装,问Proceed...?时填y)

1. 配置Python3.6,对应Tensorflow1.12.0,Keras2.2.4,Pandas0.22.0

(原作者:FR1SKY,发布于CSDN)

在终端中依次粘贴并执行:

python --version(或者-V,检查,应该显示Python 3.7.X)

conda create --name py36tf112 python=3.6

source activate py36tf112(这步就是进入了此环境,env会从(base)进入(py36tf112))

python --version(检查,应该显示Python 3.6.X)

conda install jupyter

conda install scipy

pip install --upgrade sklearn

pip install --upgrade pandas

pip install --upgrade pandas-datareader

pip install --upgrade matplotlib

pip install --upgrade pillow

pip install --upgrade requests

pip install --upgrade h5py

pip install --upgrade psutil

pip install --upgrade tensorflow==1.12.0(如果找不到tensorflow,应该是Python版本有问题或者是系统实际是32bit,试试看删掉==1.12.0,还是不行的话建议Google…)

pip install --upgrade keras==2.2.4(一般tensorflow成功安装,keras也可以成功)

python(以下测试tensorflow是否正确安装,print后应该显示1.12.0)

import tensorflow as tf

print(tf.__version__)

quit()

python -m ipykernel install --user --name py36tf112 --display-name "Python(py36tf112)" (创建Jupyter Kernel)

2.配置Python3.7,对应Tensorflow2.0

(原作者:FR1SKY,发布于CSDN)

Chrome打开:

https://raw.githubusercontent.com/fr1sky/test/master/py37tf2.yml

页面存储为.yml格式文件,存到用户根目录下(不知道可以command+space启动spotlight,输入/users/,看看你的电脑叫什么,就是那个文件夹,这也就是终端打开时的默认目录)。注意第一行有name: py37tf2,记得修改为自己想要的名字

打开终端,粘贴并执行:

conda env create -v -f py37tf2.yml(一键安装)

conda activate py37tf2(进入了此环境,env会从(base)进入(py37tf2))

python(以下测试tensorflow是否正确安装,print后应该显示2.0.0)

import tensorflow as tf

print(tf.__version__)

quit()

python -m ipykernel install --user --name py37tf2 --display-name "Python(py37tf2)"(创建Jupyter Kernel)

(注意此时退出终端并重开,在base下import tensorflow应该会报错)

三、如果你要使用Jupyter Notebook作为编程平台

(原作者:FR1SKY,发布于CSDN)

打开终端,(可有可无的一步:进入想要的环境,即执行:source activate xxx或者:conda activate xxx)

粘贴并执行:jupyter notebook,就会弹出Jupyter的页面

创建新的python文件时,点击New就可以选择用哪个Kernal(即哪个版本的Python,或者说是哪个env)

或者在已打开的python文件页面,Kernel栏中选择想要的版本即可

四、如果你要使用PyCharm作为编程平台

(原作者:FR1SKY,发布于CSDN)

打开Project后,点击

左上角Pycharm>Preferences...>

新窗口中Project: xxx>Project Intepreter>窗口右上角小齿轮>Add...>

新窗口中Conda Environment>Existing environment>打勾Make available to all projects>这一栏右边的...>

新窗口中选择环境中对应env中python3.6.exe(c)或者3.7.exe(c)路径,应该在:

/Users/xxx/opt/miniconda3/envs/py36tf112/bin/python3.6

/Users/xxx/opt/miniconda3/envs/py37tf2/bin/python3.7

然后选OK即可

(如果安装了包但是加载不出来,基本都是因为编译器目录没有选对,应该选到envs里面的lib去)

不知道为什么上传不了图片,以后再更新


【Python2.7部分】

1.下载并安装Miniconda2

https://docs.conda.io/en/latest/miniconda.html

选择Miniconda2 MacOSX 64-bit pkg

2.打开终端并执行:

conda create --name py2 python=2.7

conda activate py2

(以下安装示例,全部在(py2)环境中进行,which pip和which conda都应该是2的,问proceed就y)

conda install -c anaconda scipy

conda install -c anaconda numpy

conda install -c conda-forge matplotlib

conda install -c anaconda scikit-image

conda install -c anaconda networkx

3.打开Pycharm,重复上面的步骤,Project Interpreter里选Conda Environment>existing然后找目录(别忘了make available):

/Users/xxx/opt/miniconda2/envs/py2/bin/python2.7

(如果安装了包但是加载不出来,基本都是因为编译器目录没有选对,应该选到envs里面的lib去)

最后选OK就行了!


conda下安装各种包建议google:conda install xxx

官方给的代码一般都可以顺利安装

本文地址:https://blog.csdn.net/weixin_42273602/article/details/107146104

相关标签: MacOS Python