（1）初始环境的安装

标签：style   blog   http   color   使用   ar   strong   文件   sp   

买了很多关于ML的书，也看了很多篇文献，却一直没有机会来实现自己的ML梦。昨天发烧，身体有恙，不想去搞项目了，于是准备实现一个ML的学习环境。

其实网上看了很多教程，各种CS*N,SI*A，本园的各种前辈的范文，都尝试了一遍，发现这个环境真的是不好弄啊，在WIN下就是各种限制，LINUX下倒好，不过步骤也是各种繁琐。

先列举几个我找到的几个教程，本人都亲测过了，当然测试的结果不尽人意：

1. python package numpy和scipy 的安装与配置:http://blog.sina.com.cn/s/blog_5e2d26f90101asu5.html

2. Ubuntu 12.04下用Eclipse搭建Python集成开发环境:http://www.linuxidc.com/Linux/2012-06/61649.htm

3. ATLAS + NumPy + SciPy + Theano 的python科学计算环境搭建: http://blog.sina.com.cn/s/blog_6cb8e53d0101keak.html

4. linux+nginx+python+django环境配置:http://www.cnblogs.com/lhj588/archive/2012/02/21/2361980.html 

说明：1~3的教程我都试过了，都还算凑合吧，3是我重点参考的教程，4是一个网络环境配置，后期搞项目的时候可以用到。

话说回来，其实上面的东西都不是很方便，我从早8点测到晚10点，最后还是倍儿慢！（严重吐槽那个ATLAS的make过程，我的四代I5编译也要12,3分钟才能搞定，不过看到教程里的大哥用以前的I7来make一次要1小时，我就心安了很多，嘿嘿）

最后在我头晕眼花，筋疲力尽的时候，我发现了一个好东西：Anaconda!

其实有时候不要觉得自己做了很多无用功，有时候努力到最后总会守得云开见月明的！Anaconda就告诉我这个道理。

初见Anaconda的教程是这个帖子：http://www.cnblogs.com/ToDoToTry/p/3415717.html

该帖子的作者一开始也是吐槽了Python的环境是多么多么的难搞，最后几乎崩溃，然后发现了Anaconda这个好东西，然后就果断分享了。

我在这里先说下我自己的搭建环境过程：

VMware 10.0 + Ubuntu 14.04, Core i5-4570 + 16G +1T

上述环境略显浪费，说实话~~

虚拟机装好，系统装好，乱七八糟的东西装好，然后Anaconda的教程如下：

1、从官网上下载Anaconda的安装包：http://conda.pydata.org/miniconda.html，选择linux下的bash版本下载，我选择了64bit的安装包，当然我是在本机下载然后导入到虚拟机中

2、用winscp工具把该bash安装包导入到虚拟机中，winscp怎么用自己百度去，使用前也最好把虚拟机系统防火墙关闭：sudo ufw disable

3、导入到某个文件夹下，可以安装了，可以root安装，也可以当前账户安装，具体指令如下（没想到连安装.sh的包我也忘了，太尴尬了），指令如下：

bash *.sh

4、坐等安装完毕后就可以测试安装效果啦，根据官网提示：

• conda list 查看安装的科学包
• 用conda创建一个名叫python2的版本为python2.7的环境  conda create -n python2 python=2.7
• conda安装包：conda install numpy

5、其实这个只是算作python的一个版本吧，后期最好加上ipython,spyder这样的工具来辅助操作为好

总结：其实我写的比较简单，并且没有图，后期把图给补全了就好了，总之昨天也算是没白忙活~

（1）初始环境的安装

标签：style   blog   http   color   使用   ar   strong   文件   sp   

原文地址：http://www.cnblogs.com/adamge/p/3990113.html