1.2 在你的计算机上配置机器学习环境

在深入学习神经网络和机器学习之前，请确保你已经在你的计算机上配置了正确的机器学习环境，这样你才能顺利地运行书中的代码。在本书中，我们会使用Python语言完成多个神经网络项目。除了Python本身，我们还需要一些Python库，例如Keras、pandas、NumPy等。安装Python和库的方法有很多，但是最简便的是使用Anaconda。

Anaconda是一个免费且开源的Python及其函数库的发行版。Anaconda提供了易用的包管理工具，利用这个包管理工具你可以方便地安装Python以及我们需要的全部函数库。安装Anaconda很简单，请访问Anaconda官网并下载安装包（选择Python 3.x安装包）。

除了Anaconda，我们还需要Git。Git对于机器学习和软件工程来说是必要的工具。Git可以帮助我们从GitHub上方便地下载代码，GitHub是世界上使用非常广泛的代码托管平台。你可以根据你的操作系统下载对应的安装包并进行安装。

Anaconda和Git安装完成之后，我们就可以下载本书的示例代码了。本书中的代码都可以在我们的GitHub代码仓库或异步社区中找到。

如果要下载代码，请在命令行（如果你使用macOS/Linux系统，请使用终端工具；如果你使用Windows系统，请使用Anaconda Command Prompt）中使用git clone命令将托管在GitHub上的代码仓库PacktPublishing/Neural-Network-Projects-with-Python下载到本地。

这一步完成之后，执行下面的命令来进入你刚才下载的文件夹：

$ cd Neural-Network-Projects-with-Python

在该文件夹目录下，你会找到一个名为environment.yml的文件。通过这个文件，我们可以把Python以及所需的全部函数库安装到虚拟环境中。你可以把虚拟环境看作一个隔离的沙盒环境，在那里可以安装全新的Python和所需的全部函数库。environment.yml文件包含了一系列指令用于控制Anaconda把特定版本的函数库安装到虚拟环境中。这么做保证了Python代码可以在设计好的标准环境中执行。

通过Anaconda和environment.yml文件来下载函数库，只需要执行下列命令：

$ conda env create -f environment.yml

这样，Anaconda就会把需要的软件包都安装到neural-network-projects- python虚拟环境中。进入这个虚拟环境需要执行下面的命令：

$ conda activate neural-network-projects-python

就是这样！我们现在已经进入了一个安装有所需的全部依赖软件包的虚拟环境。在这个环境中执行Python文件，你需要执行类似于下面的命令：

$ python Chapter01\keras_chapter1.py

如果要退出虚拟环境，可以执行下面的命令：

$ conda deactivate

需要注意的是，当你要执行任何我们提供的Python代码时，都需要先进入虚拟环境（通过执行conda activate neural-network-projects-python）。

现在，开发环境已经配置完成，话题重新回到神经网络。我们将要探索神经网络背后的理论知识以及如何使用Python从头构建一个神经网络。