Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

1.ubuntu镜像源准备(防止下载过慢):

参考博文:http://www.cnblogs.com/top5/archive/2009/10/07/1578815.html

步骤如下:

首先,备份一下ubuntu 12.10 原来的源地址列表文件

sudo cp /etc/apt/sources.list /etc/apt/sources.list.old

然后进行修改  sudo gedit /etc/apt/sources.list

可以在里面添加资源地址,直接覆盖掉原来的。

2.使用apt-get安装

在安装之前建议更新一下软件源

sudo apt-get update

如果python 2.7 没有问题 ,就可以进行下一步了 
现在安装用于数值计算和绘图的包以及Sklearn 分别是numpy scipy matplotlib pandas 和 sklearn 
apt-get命令如下

sudo apt-get install python-numpy 
sudo apt-get install python-scipy 
sudo apt-get install python-matplotlib 
sudo apt-get install python-pandas 
sudo apt-get install python-sklearn

3.也可以使用pip安装

在安装pip 之前 先安装 python-dev 
apt-get安装命令

sudo apt-get install python-dev

如果上一条命令不管用,可使用以下命令解决 
用aptitude 工具

sudo apt-get install aptitude 
sudo aptitude install python-dev

现在安装好 python-dev 就可以安装 python-pip

sudo apt-get install python-pip

在终端中键入pip ,若如下图所示,则安装成功 
Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

4.安装结果

现在用pip安装用于数值计算和绘图的包 分别是numpy scipy matplotlib pandas

sudo pip install numpy 
sudo pip install scipy 
sudo pip install matplotlib 
sudo pip install pandas

最后在用pip安装 sklearn

sudo pip install -U scikit-learn

测试下是否全部安装成功,打开python解释器,输入以下命令,若无报错,则就成功。

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt 
from sklearn import datasets,linear_model

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

5.安装tensorflow

(1)下载

https://pypi.python.org/packages/1e/b2/75c1ca60a9b4b97500aee98e81dbfe1d541d46a9d5315ea0723d0f45701d/tensorflow-1.2.0rc1-cp27-cp27mu-manylinux1_x86_64.whl#md5=ad4b55a56b475a7405b6626f9cd7ad32

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

(2)pip安装

cd 到whl文件目录所在的文件夹下

pip install tensorflow-1.2.0rc1-cp27-cp27mu-manylinux1_x86_64.whl

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

成功安装:

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

测试安装是否成功:

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

6.安装jupyter notebook,用于显示

sudo python2 -m pip install ipykernel
sudo python2 -m ipykernel install
sudo apt-get install build-essential
sudo pip install jupyter

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

#在指定文件夹下启动jupyter notebook,相应文件会在此文件夹下显示
python@ubuntu:~$ mkdir tf-notebooks
python@ubuntu:~$ cd tf-notebooks/
python@ubuntu:~/tf-notebooks$ jupyter notebook

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

7.浏览器打开

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

更新最新版本的scikitlearn

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

查看sklearn版本

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

安装Keras

(1)安装运算加速库

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

(2)pip安装keras

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

#远程访问jupyter

Jupyter Notebook很好用,但是直接远程在服务器上用体验当然不如本地计算机好,那么如何远程访问呢?

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

<<   vim ~/.jupyter/jupyter_notebook_config.py

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

Ubuntu16.04下安装配置numpy,scipy,matplotlibm,pandas 以及sklearn+深度学习tensorflow配置+Keras2.0.6(非Anaconda环境)

<< jupyter notebook

此时应该可以直接从本地浏览器直接访问http://address_of_remote:8888就可以看到jupyter的登陆界面。

address_of_remote为ip地址

上一篇:搞懂offsetY、offsetTop、scrollTop、offsetHeight、scrollHeight


下一篇:Codeforces Round #397 by Kaspersky Lab and Barcelona Bootcamp (Div. 1 + Div. 2 combined) B. Code obfuscation 水题