在Ubuntu上搭建Python机器学习环境可以通过以下步骤完成:
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
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
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
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。
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
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。
辰迅云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>
推荐阅读: Node.js日志在Ubuntu如何归档