Python机器学习Ubuntu如何搭建环境

在Ubuntu上搭建Python机器学习环境可以通过以下步骤完成：

1. 安装Python和pip

首先，确保你的系统是最新的：

sudo apt update
sudo apt upgrade

然后，安装Python3和pip：

sudo apt install python3 python3-pip

验证安装：

python3 --version
pip3 --version

2. 安装虚拟环境

为了隔离项目依赖，建议创建一个虚拟环境：

sudo apt install python3-venv
python3 -m venv myenv
source myenv/bin/activate

3. 安装Anaconda（推荐）

Anaconda是一个强大的数据科学平台，适合管理Python环境和安装机器学习库：

• 下载Anaconda：

  wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh
  

• 安装Anaconda：

  bash Anaconda3-2024.02-1-Linux-x86_64.sh
  

  按照提示同意许可协议，并选择默认安装路径。

• 初始化Anaconda：

  安装完成后，Anaconda会自动激活。你可以通过以下命令验证安装：

  conda -V
  

4. 配置Anaconda环境

为了方便管理，可以将Anaconda Navigator添加到应用菜单中：

• 创建desktop文件：

  sudo nano /usr/share/applications/Anaconda.desktop
  

  添加以下内容：

  [Desktop Entry]
  Encoding=UTF-8
  Name=Anaconda
  Exec=/home/sean/anaconda3/bin/anaconda-navigator
  Icon=/home/sean/anaconda3/etc/anaconda/icons/Anaconda-navigator.png
  Terminal=false
  Type=Application
  Categories=Development;Education;System;
  

  保存并退出编辑器。

5. 安装机器学习库

在虚拟环境中安装常用的机器学习库，例如TensorFlow、Keras和PyTorch：

pip install tensorflow
pip install keras
pip install torch

6. 验证安装

为了确保一切正常，可以运行一个简单的TensorFlow示例：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

# 加载MNIST数据集
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

# 预处理
x_train = x_train / 255.0
x_test = x_test / 255.0

# 构建神经网络模型
model = keras.Sequential()
model.add(layers.Flatten(input_shape=(28, 28)))
model.add(layers.Dense(128, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))

# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 训练模型
model.fit(x_train, y_train, epochs=5)

# 评估模型
test_loss, test_acc = model.evaluate(x_test, y_test)
print(f'Test accuracy: {test_acc * 100:.2f}%')

保存为first_ai_model.py，然后运行：

python3 first_ai_model.py

如果看到测试准确率在97%-98%左右，说明环境搭建成功。

通过以上步骤，你可以在Ubuntu上成功搭建一个Python机器学习环境。