序

機器學習、人工智能已經火了有一段時間，正好近期有建模預測需求，之前還沒怎么了解學習，硬著頭皮自我充實一下。千里之行，先從Anaconda環境開始吧。

Anaconda介紹

Anaconda是用于科學計算的Python發行版，它集成了很多關于Python科學計算的第三方庫，同時提供了包管理和環境管理的功能，可方便的解決多版本Python并存、切換以及第三方包安裝問題。支持運行在Linux、Windows和macOS下。Anaconda利用命令/工具conda來進行Package和environment管理。

conda VS anaconda

conda可以理解為一個工具，也是一個可執行命令，其核心功能是包管理與環境管理。包管理與pip的使用類似，環境管理則允許用戶方便地安裝不同版本的python并可以快速切換。Anaconda則是一個打包的集合，里面預裝好了conda、某個版本的python、眾多packages、科學計算工具等等，所以也稱為Python的一種發行版。其實還有Miniconda，顧名思義，它只包含最基本的內容——python與conda，以及相關的必須依賴項，對于空間要求嚴格的用戶，Miniconda是一種選擇。

Anaconda安裝

我主要在CentOS服務器上安裝Anaconda，參考官網幫助文檔。下載安裝腳本：https://www.continuum.io/downloads#linux ，選擇要安裝的Python版本和系統架構：

# Python 3.6
$ wget https://repo.continuum.io/archive/Anaconda3-4.3.1-Linux-x86_64.sh #64位系統
$ wget https://repo.continuum.io/archive/Anaconda3-4.3.1-Linux-x86.sh #32位系統
# Python 2.7
$ wget https://repo.continuum.io/archive/Anaconda2-4.3.1-Linux-x86_64.sh #64位系統
$ wget https://repo.continuum.io/archive/Anaconda2-4.3.1-Linux-x86.sh #32位系統

（這里我選擇的是Python3.6 version 64BIT，關于Python的版本2.7 or 3.6，后面都可以在Anaconda里設置版本環境）

運行安裝向導：

$ bash Anaconda3-4.3.1-Linux-x86_64.sh

按照向導，接受協議-->設置安裝路徑（默認安裝用戶Home目錄）-->然后把安裝路徑添加到環境變量。

遇到的問題

1.在安裝向導設置安裝路徑后，ENTER，提示如下錯誤信息：

tar (child): bzip2: Cannot exec: No such file or directory 
tar (child): Error is not recoverable: exiting now 
tar: Child returned status 2 
tar: Error is not recoverable: exiting now

Google之，原來是沒有安裝bzip2，參考：https://stackoverflow.com/questions/26958741/extract-tar-the-tar-bz2-file-error
安裝即可：

yum -y install bzip2

2.在安裝向導最后一步，是否添加到環境變量，默認是no，我手賤直接ENTER了。
對于Mac、Linux系統，Anaconda安裝好之后，實際上就是在主目錄下多了個文件夾（~/anaconda)，Windows會寫入注冊表。安裝程序會把bin目錄加入PATH?，F在只能自己完成了：

# 將anaconda的bin目錄加入PATH，根據版本不同
echo 'export PATH="~/anaconda3/bin:$PATH"' >> ~/.bashrc
# 更新bashrc立即生效
source ~/.bashrc

配置好PATH后，可以通過which conda或conda --version命令檢查是否正確。

Jupyter Notebook

當然，安裝Anaconda的科學計算python平臺，是為了使用Jupyter Notebook來學習Python的一些科學計算和機器學習庫。Jupyter Notebook是IPython的一個Web接口，可以展現富文本，是的整個工作可以以筆記的形式展現、存儲，適合做數據分析，交互性變成和學習。

但是，當我在服務器上運行Jupyter Notebook時候，無法使用。因為當前配置下只能從本地（也就是那臺CentOS服務器上）訪問，但是服務器只裝了centos的Minimal，沒有桌面環境，更不用說瀏覽器了。這當然不滿足我目前的需求，需要配置服務器上的Jupyter允許遠程訪問。

生成配置文件：

jupyter notebook --generate-config

生成的配置文件位于~/.jupyter/jupyter_notebook_config.py。
生成自簽名SSL證書：

cd ~/.jupyter
openssl req -x509 -nodes -days 365 -newkey rsa:1024 -keyout notebook_cert.key -out notebook_cert.pem

生成一個hash密碼：

python -c "import IPython;print(IPython.lib.passwd())"
Enter password:
Verify password:
sha1::7211a627f0ba:1e515d95f664181dc5f43571b8973476126e7371

復制生成的密碼，編輯jupyter的配置文件：

vi ~/.jupyter/jupyter_notebook_config.py

在打開的配置文件中，配置相應的參數：

c.NotebookApp.certfile = u'/home/xxxx/.jupyter/notebook_cert.pem'
c.NotebookApp.keyfile = u'/home/xxxx/.jupyter/notebook_cert.key' 
c.NotebookApp.password = u'sha1::7211a627f0ba:1e515d95f664181dc5f43571b8973476126e7371'
c.NotebookApp.ip = '*'
c.NotebookApp.port = 8081
c.NotebookApp.open_browser = False

再次啟動Notebook：

jupyter notebook

在本機使用瀏覽器訪問：http://192.168.111.186:8081 ，即可打開Jupyter Notebook的頁面，輸入剛才設置的密碼，即可登錄了。

至此，就實現了遠程服務器Jupyter Notebook。接下來就可以安裝機器學習所需要的一些庫開始折騰了，包括：Numpy、Pandas、Matplotlib、Scikit-learn等。

參考
http://blog.topspeedsnail.com/archives/9607
http://www.lxweimin.com/p/2f3be7781451
http://blog.topspeedsnail.com/archives/7321
http://jupyter-notebook.readthedocs.io/en/latest/index.html