之前什么都不需要安装,直接在官网下载anaconda,我下载的是Python2.7,32位的。
下载后的文件是:
直接双击安装,可以自己选定安装位置(这个你自己决定)。
安装完成后,我们可以看到:
安装完anaconda,就相当于安装了Python、IPython、集成开发环境Spyder、一些包等等。
2、Python(shell)
这个和我们直接安装Python得到的Python shell用法一样。当然由于安装了anaconda,所以在这里好多包我们都可以使用了。
3、IPython
3.1 IPython(shell)
我们可以直接点击打开,也可以像下面这样在命令提示符中输入ipython
这个和我们pip install ipython安装的ipython用法一样。
3.2 Ipython QTConsole
直接点击打开,
3.3 IPython Notebook
我们直接点击打开,或者在命令提示符中输入ipython.exe notebook。
4、Spyder(IDE)
4.1 Spyder
Spyder的最大优点就是模仿MATLAB的“工作空间”。
直接点击打开:
4.2 其他的IDE使用anaconda
由于安装完anaconda就自带了Spyder集成开发环境了,所以不需要任何配置可以直接使用,但是其他你自己安装的IDE要想使用anaconda需要配置。
1. 首先安装python,我选择安装Anaconda (Windows 64-Bit Python 2.7 Graphical Installer 下载地址)。Anaconda的一些命令(在Anaconda的命令行窗口输入):
conda list #该命令,将列出Anaconda安装的所有应用包,我们可以看到Anaconda已经安装了numpy, nose, pip, python, scipy, mingw等等。
conda install <pkg name>#该命令用于安装应用包,如 conda install numpy.
pip install <pkg name>#该命令用于安装应用包,如 pip install theano.
conda update <pkg name>#升级应用包,如 conda update python
2. 安装Theano,在Anaconda 的命令窗口中输入 pip install theano,可以看到程序开始下载安装包,并检查是否满足安装条件:numpy>=1.5.0,scipy>=0.7.2,满足条件之后开始运行setup.py安装theano,安装完成后会显示Successfully installed theano。
3. 测试Theano安装情况。
(1)在ipython中输入以下两行代码:
import theano
theano.test()
会显示theano的版本号,安装位置,已经其他包的安装版本,如numpy,nose,python等。
在运行中出现g++不是内部或外部命令,也不是可运行的程序或批处理文件。
(2)在Anaconda的命令行窗口输入:python Lib\site-packages\theano\tests\run_tests_in_batch.py
显示unable to find theano-nose,查看run_tests_in_batch.py发现,其中路径设置为在bin下寻找theano-nose文件,而实际上Anaconda文件夹下根本没有bin这个文件夹,theano-nose存放在Scripts文件夹中。
》》》尝试1:将Scripts更名为bin,重新运行这句命令,可以成功运行。但是出现一个warning,提示没有检测到g++,所以无法运行优化后的C代码版本,只能执行python版本。
该种尝试的结果是,下次打开Anaconda 命令窗口后出现错误,因为其运行路径为Scripts,所以还是不要修改了。
(3)g++问题。我们打开MinGW文件夹,可以很清楚的看到有g++,但是为什么使用不了呢??在Anaconda 命令窗口中输入g++也能成功调用g++.exe啊。所以结论是,鉴于这个代码中出现很明显的漏洞,所以说不定这里也是错误,先不管这些了。
试着做了以下配置,也不知行不行。
添加环境变量:path: C:\Anaconda\MinGW\binC:\Anaconda\MinGW\x86_64-w64-mingw32\lib
新建环境变量: PYTHONPATH: C:\Anaconda\Lib\site-packages\theano
在home目录下(cmd可以看到,我的是C:\Users\Administrator),创建 .theanorc.txt 文件内容如下:
[global]
openmp=False
[blas]
ldflags=
[gcc]
cxxflags = -IC:\MinGW\include
(4)验证BLAS是否安装成功。由于numpy是依赖BLAS的,如果BLAS没有安装成功,虽然numpy亦可以安装,但是无法使用BLAS的加速。验证numpy是否真的成功依赖BLAS编译,用以下代码试验:
>>>import numpy
>>>id(numpy.dot) == id(numpy.core.multiarray.dot)
False
结果为False表示成功依赖了BLAS加速,如果是Ture则表示用的是python自己的实现并没有加速。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)