机器学习之开发环境

从去年一直就有写机器学习系列博客的计划，因为一些原因给耽误了，借着自己这几天搭建的博客站点，开始着手记录自己关于机器学习的系列笔记。在这一篇章章中主要是记录一下机器学习的开发环境。

开发环境搭建

开发环境前期主要是用Anaconda，后期如果碰见大项目会用Pycharm。
Anconda：用通俗的话说，是高配的python，Anaconda集成了python、关于python的包以及包所需要的依赖。
Pycharm：是python的集成开发环境，我们可以将Anaconda自带的python作为Pycharm的解释器。

下载并安装Anaconda，注意选用python3.6版本的,2.7版本的停止维护了。
下载并安装Pycharm

温馨提示：项目不是特别大，只是为了用来学习的话，可以不下载Pycharm，Pycharm调试大型项目方便,Anconda最大的特点就是交互性比较强。

安装多个python环境

由于一些机器学习的包只支持python2.7，python3.6一些包还不是特别完善，所以需要安装python2.7环境。在windows下面，如果使用深度学习框架Tensorflow的话，目前Windows版的Tensorflow包和python3.5配合的最好，所以我们需要安装带有python3.5的Tensorflow包。

配置python2.7环境

创建python2.7新环境
```
$ conda create -n python2 python=2.7
```
进入新环境
```
$ activate python2
```

添加环境到jupyter notebook

$ pip install ipykernel //安装ipykernel
$ python -m ipykernel install --name python2 //安装python2.7,并将其添加到jupyter notebook kernel中

查看已有的kernel:

$ jupyter kernelspec list

配置Tesorflow环境

创建tensorflow新环境

$ conda create -n tensorflow python=3.5

进入新环境
```
$ activate tensorflow
```

添加环境到jupyter notebook

$ pip install tensorflow //安装tensorflow
$ pip install ipykernel //安装ipykernel
$ python -m ipykernel install --name tensorflow //安装python3.5,并将tensorflow环境添加到jupyter notebook kernel中