手把手教你搭建《Hands-On Machine Learning》项目环境

手把手教你搭建《Hands-On Machine Learning》项目环境

handson-ml 该仓库包含《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow》一书的所有代码示例，为初学者提供实战式的学习路径。 项目地址: https://gitcode.com/gh_mirrors/ha/handson-ml

项目概述

《Hands-On Machine Learning》是一个广受欢迎的机器学习实践项目，提供了大量Jupyter Notebook形式的教程和示例代码。本文将详细介绍如何搭建完整的项目运行环境，包括软件安装、环境配置以及日常维护方法。

环境准备

1. 获取项目代码

首先需要获取项目代码到本地开发环境。推荐使用git工具进行克隆：

cd ~  # 进入用户主目录
git clone https://github.com/ageron/handson-ml.git
cd handson-ml

如果不方便使用git，也可以直接下载项目压缩包，解压后重命名为handson-ml目录。

2. 安装Anaconda

Anaconda是Python科学计算的集成环境，建议安装它来管理项目依赖：

• 下载并安装最新版Anaconda（或轻量级的Miniconda）
• 安装过程中：
  • Mac/Linux用户：接受conda init选项
  • Windows用户：不建议修改PATH，而是通过开始菜单启动Anaconda Shell
• 安装完成后，更新conda工具：

conda update -n base -c defaults conda

专业提示：虽然可以使用原生Python和pip，但Anaconda能更好地处理科学计算库的依赖关系，强烈推荐使用。

3. GPU支持（可选）

如果你的机器配备NVIDIA显卡（计算能力≥3.5），可以启用GPU加速：

1. 安装最新的NVIDIA显卡驱动
2. 通过conda安装TensorFlow时，CUDA和cuDNN库会自动安装
3. 非Anaconda用户需要手动安装这些库

环境配置

1. 创建conda环境

项目提供了environment.yml文件来定义所需的所有依赖：

conda env create -f environment.yml
conda activate tf1  # 激活环境

这个环境默认命名为tf1，包含了运行所有Notebook所需的Python库。

2. 配置Jupyter内核

为了让Jupyter Notebook识别这个环境，需要注册内核：

python3 -m ipykernel install --user --name=python3

技术细节：这里使用python3作为内核名称是为了与Notebook默认设置兼容，避免每次打开Notebook都要手动切换内核。

启动与使用

1. 启动Jupyter Notebook

jupyter notebook

命令执行后会自动打开浏览器，显示项目目录。如果没有自动打开，可以手动访问localhost:8888。

2. 日常使用流程

每次工作时，需要执行以下步骤：

cd ~/handson-ml  # 进入项目目录
conda activate tf1  # 激活环境
jupyter notebook  # 启动Notebook

完成工作后，在终端按Ctrl-C即可关闭Jupyter服务。

项目维护

1. 更新项目代码

项目会定期更新，获取最新内容：

cd ~/handson-ml
git pull

如果遇到修改冲突，建议：

git checkout -b my_branch  # 创建个人分支
git add -u
git commit -m "描述你的修改"
git checkout master
git pull

2. 更新依赖库

保持环境最新：

conda update -c defaults -n base conda  # 更新conda
conda activate base
conda env remove -n tf1  # 删除旧环境
conda env create -f environment.yml  # 创建新环境
conda activate tf1
jupyter notebook

常见问题解答

1. 为什么使用conda环境而不是全局安装？

   • 隔离项目依赖，避免版本冲突
   • 方便环境复制和迁移
   • 便于管理不同项目的Python版本

2. 环境配置失败怎么办？

   • 检查网络连接，特别是conda源
   • 确认系统满足最低要求
   • 查看错误信息，通常会有具体提示

3. 如何自定义环境配置？

   • 可以修改environment.yml文件
   • 添加或删除特定包后重新创建环境

通过以上步骤，你就拥有了一个完整的机器学习实践环境，可以开始探索《Hands-On Machine Learning》项目中的所有内容了。

handson-ml 该仓库包含《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow》一书的所有代码示例，为初学者提供实战式的学习路径。 项目地址: https://gitcode.com/gh_mirrors/ha/handson-ml