Wenn es darum geht, eine maschinelle Lernumgebung mit Python zu erstellen, gibt es viele Artikel mit der Aufschrift "Anaconda installieren". In Wirklichkeit reicht jedoch die Mindestkonfigurationsversion von Anaconda namens Miniconda für die Erstellung von Umgebungen aus. Es ist ein Artikel, der das vermittelt.
Grundsätzlich ist folgendes ausreichend.
enable ml_env erstellte EntwicklungsumgebungTatsächlich gibt es subtile Unterschiede, je nachdem, ob es sich um Mac oder Windows handelt. Weitere Informationen finden Sie hier.
Lesen Sie hier auch, wie Sie mit dem Befehl conda eine Entwicklungsumgebung erstellen.
Wenn Sie mit Docker entwickeln möchten, wird die offizielle Docker-Datei von Miniconda bereitgestellt. Sie können sofort Ihren eigenen Container erstellen, indem Sie diese Docker-Datei mit "FROM" erben und dann mit den Befehlen "conda" und "pip" beliebige zusätzliche Bibliotheken hinzufügen.
Wenn Sie TensorFlow oder Chainer verwenden möchten, können Sie eine zusätzliche Pip-Installation durchführen.
Anaconda ist ehrlich gesagt zu schwer. Mit Miniconda können Sie so viel auswählen, wie Sie benötigen, sodass die Kapazität der Entwicklungsumgebung zwischen 500 und 600 MB liegt. Im Vergleich dazu benötigt Anaconda 2 bis 3 G, indem Sie es einfach installieren. Und es gibt viele Bibliotheken, die Sie nicht verwenden.
Und Sie wissen nicht einmal, von welchen Bibliotheken Ihr Code abhängt. Selbst wenn Sie sich entscheiden, es irgendwo bereitzustellen, sind in Anaconda standardmäßig viele Bibliotheken installiert, sodass Sie nicht wissen, von welcher Bibliothek es abhängt. Mit Miniconda finden Sie die erforderlichen Bibliotheken für jede Umgebung. Natürlich kann Anaconda auch eine Umgebung für jedes einzelne Projekt erstellen, aber dann ist Miniconda in Ordnung.
Das ist alles vom Feld.
Recommended Posts