1.1　安装环境

Python的应用范围非常广泛，包括且不限于科学计算、人工智能、大数据、云计算、网站开发、游戏开发等领域。Python的强大功能来自于它的数量庞大、功能完善的第三方扩展库（也称为包或者模块，package），本书只涉及其中与机器学习相关的扩展库。

Python可应用于不同领域业务开发的第三方扩展库一般来自不同的机构。它们不仅数量庞大，而且相互存在复杂的依赖关系，维护管理起来很麻烦。Anaconda是一个可对Python及其常用扩展库进行下载、安装和自动管理的软件。Anaconda支持Windows、Linux和macOS等操作系统。考虑到大部分初学者都使用Windows操作系统，因此，本书以Windows下的安装步骤为例来介绍Anaconda的安装。

1.1.1　几个重要的概念

初学者在使用Anaconda之前，需要了解几个重要的概念。

1．图形化管理与命令行管理

Anaconda对包、环境等的管理可以通过图形化界面和命令行界面来进行，分别称为Navigator（图1-1）和Conda（图1-5）。在管理效果上，两者没有区别。但是，Conda的操作方式在Windows、Linux和macOS等操作系统上保持一致，且响应速度相比Navigator一般要快一些，因此受到大部分使用者的欢迎。本书的相关操作主要用命令行的方式进行。

图1-1　图形化管理界面

2．环境

如前文所述，Python的扩展库之间存在复杂的依赖关系，一个包可能依赖于其他多个包才能正常运行，而其他包又可能需要依赖另外的包。Anaconda中的环境可用来隔离不同应用开发的包依赖关系。比如，当需要同时开发机器学习应用和网络应用时，可以分别放在两个不同的环境中，以免相互影响而产生意想不到的干扰。环境还可以用来区别不同的版本，比如有的程序要求用Python 3开发，而有的程序要求用Python 2开发。总之，在Anaconda上可以建立多个用于不同开发目的的环境，它们互不干扰。此外，建好的环境还可以整体迁移到其他计算机上，在一些不能接入互联网的计算机上安装开发环境时，这一点十分有用。

3．下载源

Anaconda可以对常用扩展库进行自动下载，但由于它的官方服务器在国外，国内大部分用户的下载速度很慢。国内清华大学、中国科技大学等提供了镜像服务，使用这些下载源的下载速度相对快得多。实际使用时，下载源一般要更换为国内的镜像服务器。

1.1.2　安装Anaconda

可到Anaconda官方网站(1)下载安装包。如果官方网站下载速度不稳定，可到清华大学开源软件镜像站(2)，选择合适版本的安装软件下载。本书选择Anaconda3-2019.10-Windows-x86_64.exe文件（64位Windows操作系统版本）。下载后进行安装，初始界面如图1-2所示。

图1-2　Anaconda初始安装界面

在连续选择Next（下一步）和Agree（同意）后，来到安装目录界面，界面如图1-3所示。本书的实验环境安装到E：\Anaconda3文件夹，读者可根据需要选择合适的安装目录。

图1-3　Anaconda安装目录界面

在安装完成后，在“开始”菜单里会出现Anaconda3的程序组，如图1-4所示。

在Anaconda3程序组里单击Anaconda Navigator，启动Navigator图形化管理界面，如图1-1所示。

图1-4　Anaconda3程序组

在Anaconda3程序组里单击Anaconda Prompt启动Conda命令行管理界面，成功启动后输入conda-V和conda list命令，分别查看Anaconda的版本号和已经默认安装的包及其版本号，如图1-5所示。

图1-5　命令行管理界面

输入python-V命令可以查看该版本的Anaconda默认安装的Python的版本为3.7.4。输入python命令，启动交互式编程模式，第一行指出了Python的版本。在“>>>”后输入print（＂Hello，World！＂）语句后按Enter键，将在下一行输出“Hello，World！”。print语句的作用是输出一段指定的字符串。以上操作如图1-6所示。

图1-6　命令行下查看Python版本并输出“Hello，World！”

1.1.3　开发环境

本书采用Anaconda自带的Spyder和Jupyter Notebook作为开发环境。Spyder是图形化集成开发环境，在Anaconda程序组里选择单击Spyder，或者在Conda命令行管理界面里输入spyder命令启动Spyder，如图1-7所示。启动之后，默认会打开一个名为tmp.py的临时代码文件。在其中新的一行输入print（＂Hello，World！＂）语句，单击工具栏中的绿色三角运行（初次运行时会出现如图1-8所示的运行配置窗口，一般选择默认值即可），将在右下的输出窗口中输出“Hello，World！”。

在菜单栏File项选择Save as命令，可将文件改名，另存到任意文件夹。

Jupyter Notebook（此前被称为IPython Notebook）是一个交互式笔记本，支持运行40多种编程语言。它是一个Web应用程序，可将代码、文本说明、数学方程、图表等集合在一个文档里。它的优点是表达能力非常强，便于交流。现在很多资料都采用Jupyter格式。Jupyter Notebook成为同行交流的重要工具。

为了便于说明，本书的大部分示例程序都以Jupyter格式提供。该格式的程序不便于查看数据变化过程，读者可以将该格式的代码复制到Spyder中运行，用Spyder提供的单步跟踪等功能来观察数据的变化，以加深对算法运行过程的理解。

有关程序设计工具的使用方法，可以参考相关网站，不难掌握，这里不再赘述。

图1-7　Spyder集成开发环境并输出Hello，World！

图1-8　Spyder环境中初次运行时环境配置界面

在Python交互式编程界面中输入quit（）语句退出交互式编程模式。在Conda命令行管理界面中，用cd命令进入工作目录（作者使用的工作目录为E：\working），输入jupyter notebook命令（如图1-9所示）。在浏览器中启动Jupyter Notebook，工作目录初始为空目录，单击右上角的new按钮，选择其中的Python 3建立一个新的代码文件，以上过程如图1-10所示。

图1-9　命令行启动Jupyter Notebook

图1-10　在浏览器中打开Jupyter Notebook并新建一个代码文件

在新打开的窗口的第一行输入print（＂Hello，World！＂）语句，单击工具栏中的Run按钮或者按Shift＋Enter键使程序运行后，会在该行下面输出Hello，World！，如图1-11所示。单击File菜单，选择其中的Rename项，可以将保存在工作目录下的文件更名为hello. ipynb。可见在Jupyter Notebook中，可以实行交互编程，还可以保存运行过程供以后再次使用。

本节和1.1.2节演示了Python的命令行交互、Spyder集成开发环境和Jupyter Notebook开发环境编程。

本书的示例主要采用Spyder集成开发环境和Jupyter Notebook开发环境来完成。需要注意的是，Jupyter Notebook中可以嵌入详细的说明，便于交流；而Spyder集成开发环境可以单步跟踪代码运行情况，观察数据的变化，这样有利于理解算法的运行过程。当然，两个环境并不矛盾，在一个环境中写的代码很容易移植到另一个环境中运行，读者可以根据需要选择、应用。

图1-11　Jupyter Notebook编程环境中的Hello，World！程序

关于编程环境的问题，读者可以在需要的时候上网查询更复杂的操作，不难掌握。

下面来安装本书要使用的sklearn机器学习扩展库、TensorFlow 2深度学习框架和MindSpore深度学习框架。按照支持计算平台的不同（TensorFlow 2支持CPU、GPU和谷歌自研的TPU平台，MindSpore支持CPU、GPU和华为自研的昇腾平台），MindSpore和TensorFlow 2深度学习框架分为不同的版本。本书面向初学者，示例基于最基本的CPU平台实现，虽然运行速度较慢，但不影响对原理的理解。因此，这里只介绍安装支持CPU平台的版本。如果不能一次安装成功，可到网上查阅解决办法。

1）先将下载源更换为清华大学镜像站

在Conda命令行管理界面中，输入如下四条命令（可到网上搜索相关内容，直接复制到Conda命令行管理界面中执行即可）：

成功执行后，即将默认下载源更换为清华大学的镜像站，如图1-12所示。最后一条命令是设置提示通道地址。

2）新建一个专用于机器学习的名为ml的环境

在Conda命令行管理界面中输入并执行conda create-n ml命令后，即新建一个名为ml的环境，如图1-13所示。

3）安装扩展库

新建环境是空环境，需要安装各种库，Anaconda会自动安装各种依赖库。安装库的命令为conda install∗∗∗。

输入并执行activate ml命令切换到新建的ml环境中。

图1-12　Conda环境下更换下载源

图1-13　Conda环境下新建环境

输入并执行以下命令以安装本书示例所使用的库：

     conda install python＝3.7.5
     conda install scikit－learn＝0.23.2
     conda install tensorflow＝2.0.0

下面介绍如何安装MindSpore深度学习框架。因MindSpore尚处于快速发展和完善当中，本书基于MindSpore实现的示例源码将适时增加和更新，请读者持续关注本书附带的源码资源。

安装目前最新1.2.1版本的MindSpore深度学习框架的命令为：

     pip install https://ms－release.obs.cn－north－4.myhuaweicloud.com/1.2.1/MindSpore/cpu/
     windows_x64/mindspore－1.2.1－cp37－cp37m－win_amd64.whl－－trusted－host ms－release.
     obs.cn－north－4.myhuaweicloud.com－i https://pypi.tuna.tsinghua.edu.cn/simple

读者可在本书附带的源码资源的“代码适用的环境说明.txt”文件中直接复制得到该命令。

也可以到MindSpore官网的安装页面(3)，按设备条件生成相应的安装命令，如图1-14所示。图中硬件平台的Ascend是指华为自研的“昇腾”人工智能处理器，本书的示例不要求安装该处理器，选择CPU作为硬件平台即可。截至本书完稿，MindSpore只支持3.7.5版本的Python。

图1-14　MindSpore官网的获取安装命令页面

将生成的安装命令复制到Python命令行交互式运行环境中执行，如无意外，即可安装MindSpore深度学习框架。

安装后，进入Python命令行交互式运行环境，如果能用import语句导入，则说明安装成功，如图1-15所示。

图1-15　在Python命令行交互式运行环境中导入sklearn、TensorFlow和MindSpore模块，并查看版本

在新的环境中，还需要安装各种辅助的库，如编程环境Spyder和Jupyter Notebook等。