在机器学习的各类教程中，都会提到Anaconda，这是一个集中式安装机器学习各类环境和类库的工具，能简化机器学习环境的部署，对小白来说尤其方便。
只要装了Anaconda，一系列包括Python、pip、Numpy、Scikit-learn、Tensorflow、Jupyter Notebook等等海量的Library都可以通过Anaconda来组织与管理。当然Anaconda最大的功能之一就是创建多个Python运行环境，譬如Python 3.5+Tensorflow，或者Python 3.7 + Torch，在Pycharm等IDE中创建Project时，可以选择不同的环境，每个环境依然需要安装对应的Python和Packages。
最近发现在MacOS上安装的Anaconda中的环境和包都不一致，出现了一个未知的Jupyter Kernel，虽然不影响使用，但折腾了半天，终于删除掉，特此记录。
通过命令行查看Anaconda的环境信息
首先通过Anaconda的图形界面可以操作环境的创建与删除。
也有很多功能是命令行操作进入命令行模式，常用命令如下：
- 检测anaconda环境是否安装成功：conda –version
- 检测目前安装了哪些环境变量：conda info –envs
- 查看当前有哪些可以使用的tensorflow版本：conda search –full -name tensorflow
- 查看tensorflow包信息及依赖关系：conda info tensorflow
- 删除tensorflow包信息及依赖关系 conda remove tensorflow
在Anaconda中安装Package，譬如TensorFlow
- 进入Anaconda图形界面或命令行创建名为“ML”的Python 3.7环境，
- 安装Python3.7： conda create –name ML python=3.7
- 激活TensFlow的“ML”环境： activate ML，默认的环境是base(root)
- 检测“ML”的环境添加到了Anaconda里面：conda info –envs，看到“ML”已经创建成功。
- 检测当前环境中的Python的版本：Python –version
- 退出ML的环境：deactivate
- 在ML环境中正式安装TensorFlow包
- 激活TensFlow的ML环境： activate ML
- 在特定环境中安装特定包。譬如在Tensorflow这个环境中安装tushare一个股票分析软件，需要执行以下几步：首先需要conda activate Tensorflow，可以看到命令行界面切入大量ML这个环境，此时运行pip install tushare，tushare这个包就会装在Tensorflow这个环境中。
(base) localhost~ % conda activate Tensorflow
(Tensorflow) localhost ~ % pip install tushare
- 安装Tensorflow。pip install –upgrade –ignore-installed tensorflow
- 验证功能。在上述Python和TensorFlow的环境中，创建Jupyter Notebook，粘贴测试代码测试:
import tensorflow as tf
hello = tf.constant('hello,tf')
sess = tf.Session()
print(sess.run(hello))
Anaconda与Jupyter Notebook 组合
在之前的步骤已经创建了一个机器学习的环境（Python 3.7 + TensorFlow），名字为“ML”，并且已经在这个环境中安装了ipykernel了，这也是交互式Python环境的核心模块，前台Web界面中运行Jupyter Notebook，可以编写Python交互式代码。这个Jupyter Notebook的后台进程称为Kernel，在这个Kernel中要使用前边创建的“ML”这个Python环境，可以执行下面的代码手动添加ML的Python开发环境到Jupyter Notebook中：
python -m ipykernel install –user –name ML –display-name "ML"
这里，第一个“ML”是之前在Anaconda中创建的Python虚拟环境的名称，后面的“ML”是我希望在Jupyter Notebook中Kernel显示的名字，在Jupyter Notebook的Web运行界面中，新创建一个Notebook，可以选择这个ML名称的环境，也可以选择其他Anaconda创建的环境。
执行完这条代码后，皆大欢喜 。
最后，系统中如果有残留的kernel可以通过命令行删掉。
Jupyter Kernel 的相关操作
Kernel是运行Jupyter Notebook的后台进程，可以启停Kernel，也可以选择Kernel用到哪一个Conda Environment。常用操作如下：
注意，在MacOS系统有时会找不到conda、jupyter等命令，由于MacOS采用zshell，可能Anaconda在安装时把init的脚本写入到了.bash_profile，需要粘贴复制到.zshrc中，这样zshell初始化过程中就会运行脚本初始化anaconda的环境变量。
-
列出所有Kernel
jupyter kernelspec list -
Available kernels:
ml /Users/wtao/Library/Jupyter/kernels/ml
python3 /opt/anaconda3/share/jupyter/kernels/python3 -
删掉某个kernel环境配置，如果从pycharm来的参与spec可以在这里删掉。
jupyter kernelspec remove ML
Jupyter Notebook Extension 插件 – 代码补全
Jupyter Notebook 有一些插件，可以实现常见的代码函数自动补全、文档导航、文档目录、代码款折叠等功能，需要安装nbextensions插件。
# 安装
conda install jupyter notebook
conda install -c conda-forge jupyter_nbextensions_configurator
conda install -c conda-forge jupyter_contrib_nbextensions
# 启用
jupyter nbextensions_configurator enable —user
# 卸载
conda install jupyter notebook
conda remove --force jupyter_nbextensions_configurator
conda remove --force jupyter_contrib_nbextensions
安装完成后，Jupyter Notebook上就有一个NBExtension的标签，打开配置，选择所需要的功能。
如图所示，代码补全Hinterland、TOC目录、Snippets(代码片段）等打开，每个功能在页面中都有用法和简介。
暂无评论