人工智能基础项目 1.环境配置

首先需要了解的东西

假设你了解基本的 Python 语言知识，并理解 Python 包的管理方式。

以下内容需要进行了解：

1. Jupyter Notebook

Jupyter Notebook 顾名思义，是一个笔记应用，它编辑的笔记后缀为 .ipynb，笔记的内容以块为单位组织，块分为 Markdown 内容块和 Python 代码块（其实也支持一些其他数据科学常用的语言），其中的每一个块都可以执行，Markdown 内容快执行的效果即进行渲染，代码块执行的效果即将运行的输出以及最后一条语句的值显示出来。

但说他是个应用，其实不完全是，因为它其实是一个 Web 服务，分为前后端。前端网页负责提供笔记的界面并与后端沟通，而后端 Jupyter 内核负责与 Python 解析器交流。

可以达到下面的效果：

1. Anaconda、conda、pip、venv/virtual env

Anaconda 是一个 Python 发行版本，其中包含 Python 本体、conda 以及 180+ 个和数据科学有关的 Python 包。他还有另一个精简版本叫做 Miniconda，可以理解为不带有那 180+ 个 Python 包，使得用户可以选择只安装自己需要的包，减小了占用的空间大小。

pip 是 python 用于管理依赖的工具，比如我要安装一个名为 matplotlib 的包，我只需执行 pip install matplotlib。

venv 和 virtual env 都是用于创建独立的 Python 环境的工具，前者是 Python3 标准库自带的，而后者是一个单独的 Python 包。有时我们写的不同项目会用到不同版本的 Python，甚至会用到不同版本的同一个包，此时独立的环境就极为重要。

conda 是一个用于管理依赖和环境的工具，可以理解为对 pip 和 venv 的组合，使用起来更加便捷。

一、安装

DataSpell

前往 Jetbrains 官网：JetBrains: 软件开发者和团队的必备工具

安装完成后打开会有这样一个界面：

这里要求你对默认的环境进行配置，其中：

• Type 为环境的类型，这里选择使用 Conda（接下来会说怎么安装 Conda）

• Conda Executable 为 Conda 可执行文件的路径
• Conda environment 为使用的 Conda 环境，填完 Conda Executable 后应当会自动显示一个默认的环境。

Conda

可以选择去官网下载安装，但是这里我选择使用 Scoop 安装。

有关 Scoop 见 aoike - 告别繁琐安装界面，使用Scoop管理Windows软件 (azurice.github.io)

scoop install extras/miniconda3

然后在刚才 DataSpell 的 Conda Executable 中选择这个文件：

Launch DataSpell！

二、基本使用

进去后，就是经典的 Jetbrains IDE 的布局。

但是它并不是按照 项目（Project）来组织的而是按照 工作区（Workspace）来组织的：

每一个工作区中可以包含多个目录，目录可以通过按钮来进行添加。也就是说它是连接到各个位置的目录，而非将一切放到一个目录下。

比如我这里添加了一个路径为 F:\Dev\AI 的目录：

你可以为每一个目录选择不同的解释器：

不过目前我们不用管他。

创建一个 Jupyter Notebook 文件：

创建完毕后打开，它会提示你没有安装 Jupyter，点击安装，安装完成后等待 Updating skeletons 完成，即可：

至于为什么用 DataSpell 而不直接用 Jupyter 呢？因为 DataSpell 有代码补全：

这些个按钮自己理解一下，这个代码块的运行效果如下：

三、更多例子

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
sns.set_theme(style="dark")

# Simulate data from a bivariate Gaussian
n = 10000
mean = [0, 0]
cov = [(2, .4), (.4, .2)]
rng = np.random.RandomState(0)
x, y = rng.multivariate_normal(mean, cov, n).T

# Draw a combo histogram and scatterplot with density contours
f, ax = plt.subplots(figsize=(6, 6))
sns.scatterplot(x=x, y=y, s=5, color=".15")
sns.histplot(x=x, y=y, bins=50, pthresh=.1, cmap="mako")
sns.kdeplot(x=x, y=y, levels=5, color="w", linewidths=1)

提示没有安装库可直接将鼠标移到红线上后点击浮动框中的 Install，或者手动执行：

conda install numpy seaborn matplotlib

评论