“Learn to walk before you run. ”

​

[TOC]

1 Windows下谷歌机器学习环境搭建

在 Windows 上安装并运行 Jupyter

1.1 CPU版本环境搭建方法一

1. 从 https://www.anaconda.com/download 安装最新版本的 Anaconda。

2. 安装完毕后，从“开始”菜单中打开 Anaconda Prompt，然后输入以下命令添加清华mirror，加快下载速度（有VPN的土豪忽略此步骤）：

1
2
3
4
5
# 添加conda的清华镜像，配置文件在C:\Users\用户名\.condarc
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

1. 输入以下命令创建环境，环境名：“mlcc”：

1
2
3
4
5
6
7
8
9
10
11
# 创建名叫“mlcc”的Python3.6环境
conda create -n mlcc pip python=3.6

# 进入“mlcc”环境，同理把“activate”替换成“deactivate”是离开该环境
conda activate mlcc

# 使用pip 安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --ignore-installed --upgrade tensorflow matplotlib pandas sklearn scipy seaborn

# 更新所有安装包，避免安装包之间版本不匹配。比如我久碰到各种包报错。
conda update -c anaconda --all

1. 当所有软件包安装完毕后，从“开始”菜单中打开 Anaconda Navigator。在 Navigator 中：

   1. 切换到 mlcc 环境，如以下屏幕截图所示。每次打开 Jupyter 时，都必须选择 mlcc 环境。

   2. 在 mlcc 环境中安装 notebook，如下所示：
   3. 安装 notebook 后，点击 Launch。此时将打开一个网络浏览器。

   接下来，运行练习。

1.2 CPU版本环境搭建方法二

1. 从 https://www.anaconda.com/download 安装最新版本的 Anaconda。
2. 安装完毕后，从“开始”菜单中打开 Anaconda Prompt，然后输入以下命令添加清华mirror，加快下载速度（有VPN的土豪忽略此步骤）：

1
2
3
4
5
6
# 添加conda的清华镜像，配置文件在C:\Users\用户名\.condarc
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/

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

1. 去百度网盘下载博主个人的env配置文件

   下载地址：https://pan.baidu.com/s/1-Y1mr26qp-8eWMqckR9Xtw

   提取密码：dq9m

   该压缩包包含 environment_mlcc_20190113_01.yaml 文件

2. 运行Anaconda Prompt，输入“conda env create -f {{environment_mlcc_20190113_01.yaml文件的绝对路径}}”，比如

1
conda env create -f E:\environment_mlcc_20190113_01.yaml

1. 当所有软件包安装完毕后，从“开始”菜单中打开 Anaconda Navigator。在 Navigator 中：

2. 切换到 mlcc 环境，如以下屏幕截图所示。每次打开 Jupyter 时，都必须选择 mlcc 环境。
3. 在 mlcc 环境中找到 notebook 后，点击 Launch。此时将打开一个网络浏览器。

接下来，运行练习。

1.3 GPU环境部署

​ common sense: GPU比CPU更适合tensor的计算，如果你电脑上有一块不错的显卡，那么用GPU计算，会更快得到结果。网上其他的安装方案太麻烦了，需要自己匹配显卡驱动，找对应的cuda和cudnn。

前提：先安装好CPU版本的环境

1. 从“开始”菜单中打开 Anaconda Prompt，然后输入以下命令：

   1
   2
   3
   4
   5
   6
   7
   8
   9
   10
   11
   # 安装GPU版本tensorflow
   conda install -c aaronzs tensorflow-gpu
      
   # 安装cuda
   conda install -c anaconda cudatoolkit
      
   # 安装cudnn
   conda install -c anaconda cudnn
      
   # 更新所有的库
   conda update -c anaconda --all
   

2. 安装完成后运行一下程序进行测试：

   1
   2
   3
   4
   5
   6
   7
   8
   9
   10
   11
   12
   13
   14
   15
   16
   17
   # encoding = utf-8
      
   import tensorflow as tf
       
   with tf.device('/cpu:0'):
       a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
       b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
   with tf.device('/gpu:1'):
       c = a+b
         
   #注意：allow_soft_placement=True表明：计算设备可自行选择，如果没有这个参数，会报错。
   #因为不是所有的操作都可以被放在GPU上，如果强行将无法放在GPU上的操作指定到GPU上，将会报错。
   sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
   #sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
   sess.run(tf.global_variables_initializer())
   print(sess.run(c))
      
   

   结果：

   [ 2. 4. 6.]

   输出中如果有类似以下字样（出现“GPU”），则表示GPU参与计算，环境布置成功

   1
   add: (Add)/job:localhost/replica:0/task:0/device:GPU:0
   

接下来，运行练习。

参考资料：

• Google机器学习-在本地运行编程练习
• TensorFlow GPU测试程序

1

• Previous
  《统计学习方法》(李航)读书笔记(七)
• Next
  Windows下Theano环境部署