背景：最近因为项目的需要，把电脑连到了实验室的大server上用来跑机器学习的python程序。实验室的server上已经预装了python 2.7和3.4两个版本，并且已经有了一些常用的包。   优点：虽然可以直接使用server上的python进行程序调试，不过同事还是建议我在server中我的文件夹下设置virtual environment，这样做最大的好处是我可以利用虚拟的python环境运行我的程序，也可以在必要时安装更多的包而不需要root权限。同时这些操作不会对其他同事的工作造成影响。虚拟环境设置好之后会生成一个文件夹，不需要的时候可以直接删掉，非常安全。并且也可以根据需要设置不同的虚拟环境，比如我分别设置了python2.7和3.4的虚拟环境。   具体操作： 下面进入正题，这里我使用的是Win10系统，并已经通过putty成功连接到了server中自己的目录下。 Step1：首先建立虚拟环境： virtualenv my_ENV   （此处my_ENV就是你给你设置的虚拟环境起的名字，可以自行修改） 需要说明的是，这一条语句是建立python 2虚拟环境使用的，如果想在虚拟环境中使用python 3， 则为virtualenv -p python3 my_ENV     Step2：设置好之后，我们通过 ls 命令就可以看到所在文件夹中多了my_ENV这个文件夹，这就是你的虚拟环境了。   Step3：激活这个虚拟环境： source my_ENV/bin/activate 这样我们就进入到这个虚拟环境中了，你会看到在putty的命令行的开头会多了一个括号，里边写着（my_ENV）.   Step4：为了确保使用的python版本正确，可以用在命令行输入python并查看版本信息，之后可以用quit()命令退回到命令行。同时也可以使用which python命令查看目前使用的python的路径，确保是虚拟环境目录中的python。   Step5：接下来我们可以使用pip freeze命令看一下在这个虚拟环境中已经安装了哪些包。 由于我们还没有安装各种包，结果应该是空的。我们可以通过pip的命令进行各种常用的包进行安装，包括但不限于： pip install keras pip install matplotlib pip install pandas pip install tensorflow pip install sklearn   由于安装keras时会自动安装numpy，所以不需要额外用pip命令安装numpy了，许多其他的包也是一样的，比如scipy，six，pyyaml等等。   Step 6：最后，如果想退出目前的虚拟环境，只需要使用deactivate命令即可。下次再想进入虚拟环境的话，再次使用step […]

Continue Reading