第一步.安装Anaconda:
这里不建议使用python3.4以后的Anaconda版本,因为太新的版本(python3.5)不支持python/matlab混合编程.所以为了以后方便,建议使用python2.7的Anaconda版本。Anaconda安装完成后,numpy和scipy等百余个常见的依赖包自动安装完成。
64位:https://repo.continuum.io/archive/Anaconda2-4.2.0-Linux-x86_64.sh
32位:https://repo.continuum.io/archive/Anaconda2-4.2.0-Linux-x86.sh
检验是否安装成功:
第二步.安装Theano
更改安装好的anaconda权限:
python检验是否安装成功
这里不建议使用python3.4以后的Anaconda版本,因为太新的版本(python3.5)不支持python/matlab混合编程.所以为了以后方便,建议使用python2.7的Anaconda版本。Anaconda安装完成后,numpy和scipy等百余个常见的依赖包自动安装完成。
64位:https://repo.continuum.io/archive/Anaconda2-4.2.0-Linux-x86_64.sh
32位:https://repo.continuum.io/archive/Anaconda2-4.2.0-Linux-x86.sh
bash Anaconda2-4.2.0-Linux-x86_64.sh一路回车,yes会将anaconda路径自动添加在环境变量中。
检验是否安装成功:
conda --version#conda 4.2.13
第二步.安装Theano
更改安装好的anaconda权限:
chown -R ubuntu@ubuntu anaconda2/ conda install Theano
python检验是否安装成功
>>>import theano没报错,安装成功。 安装anaconda之后,相当于新安装了一个python和一些包,如果继续在这个框架下安装其他如Theano,要使用命令conda install 包名,否则如果使用pip install Theano,会将Theano安装到之前的python中,而不是anaconda框架下的python中。相当于两个文件系统。 安装成功后: 运行了一个最简单的梯度下降的Logistic Regression,时间为12S,服务器节点有点low,速度很慢,打算用分布式处理。继续学习如何用hadoop或spark处理机器学习。