OneBook(Python & Deep Learning)
  • 한곳에서 끝내는 파이썬 & 머신러닝 & 딥러닝
  • 문서 작업을 시작하며
  • 1. 인공지능(Artificial Intelligence) 시대
    • 1.1. 인공지능이란 도대체 무엇인가?
    • 1.2. 4차 산업혁명
    • 1.3. 인공지능의 역사
    • 1.4. 인공지능 > 머신러닝 > 딥러닝
    • 1.5. 머신러닝
    • 1.6. 머신러닝 알고리즘
      • 1.6.1. 지도 학습 (Supervised Learning)
      • 1.6.2. 비지도 학습 (Unsupervised learning)
      • 1.6.3. 강화 학습(Reinforcement Learning)
    • 1.7. 인공신경망(ANN)
    • 1.8. 딥러닝
  • 2. 기본 상식
    • 2.1. 기본 용어의 이해
      • 2.1.1. CPU와 GPU의 차이
      • 2.1.2. 오픈소스(Open Source)
      • 2.1.3. 깃허브(GitHub)
      • 2.1.4. 위키 Wiki
      • 2.1.5. 아나콘다(Anaconda)
      • 2.1.6. 활성화 함수
      • 2.1.5. 딥러닝 프레임워크 소개
    • 2.2. 텐서플로(Tensorflow)
    • 2.3. 케라스(Keras)
    • 2.4. 파이토치(PyTorch)
    • 2.5. 학습에 필요한 중요한 도구와 라이브러리들
      • 2.5.1. 주피터 노트북(Jupyter Notebook)
      • 2.5.2. 파이참(PyCharm)
      • 2.5.3. 스파이더(Spyder)
      • 2.5.4. 넘파이(NumPy)
      • 2.5.5. 싸이파이(SciPy)
      • 2.5.6. Matplotlib
      • 2.5.7. 판다스(Pandas)
      • 2.5.8. 장고(Django)
      • 2.5.9. 파이큐티(pyQT)
      • 2.5.10. 싸이킷런(Scikit-learn)(Sklearn)
      • 2.5.11. CUDA & cuDNN
      • 2.5.12. 파이썬 표준 내장 라이브러리
    • 2.6. AI공부에 필요한 기본지식 3가지
      • 2.6.1. 수학
      • 2.6.2. 프로그래밍 기술
      • 2.6.3. AI의 적용 대상 산업에 대한 지식
  • 3. 개발 환경설정
    • 3.1. 윈도우 환경에서 설치하기
      • 3.1.1. 아나콘다 설치 (파이썬 설치)
        • 1) 아나콘다 패키지 업데이트
        • 2) conda에서 파이썬 가상 환경 (virtual environments) 생성하기
        • 3) NVIDIA GPU 환경 설정하기
      • 3.1.2. 텐서플로 설치
      • 3.1.3. 케라스 설치
      • 3.1.4. Jupyter Notebook 설치
      • 3.1.5. Visual Studio Code 설치
      • 3.1.6. 파이참 설치
        • 1) 파이참 가상환경 설정
        • 2) 파이참 환경 설정
        • 3) 설치된 라이브러리들의 버전 확인 하기
    • 3.2. 리눅스 환경에서 설치하기
      • 3.2.1. 아나콘다 설치(파이썬 설치)
      • 3.2.2. 텐서플로 설치
      • 3.2.3. 케라스 설치
      • 3.2.4. 장고 설치
      • 3.2.5. 파이참(PyCharm) 설치
        • 1) 파이참 가상환경 설정
  • 4. 파이썬 기초 학습
    • 4.1. 파이썬(Python)
    • 4.2. 파이썬의 특징
    • 4.3. 파이썬 기본 문법
      • 4.3.1. 대화형과 스크립트 모드 프로그래밍
      • 4.3.2. 모듈의 사용(import)
      • 4.3.3. 파이썬 식별자(Identifiers)
      • 4.3.4. 예약어(Reserved Words)
      • 4.3.5. 행(Lines)과 들여쓰기(Indentation)
      • 4.3.6. 문자열 표시
      • 4.3.7. 주석
      • 4.3.8. 파이썬 변수(Variables)
    • 4.4. 자료형과 연산자
      • 4.4.1. 자료형
      • 4.4.2. 파이썬 연산자
    • 4.5. 조건문과 반복문
      • 4.5.1. 조건문
      • 4.5.2. 반복문
    • 4.6. 함수
      • 4.6.1. 함수의 종류
    • 4.7. 모듈(Modules)
      • 4.7.1. 모듈의 참조 위치
      • 4.7.2. 네임스페이스(Namespace)와 범위(Scoping)
      • 4.7.3. dir( ) 함수
      • 4.7.4. 패키지(Packages)
      • 4.7.5. 기본 내장 모듈
    • 4.8. 숫자형 활용
      • 4.8.1. 실습: 계산기 만들기
    • 4.9. 문자열(Strings) 활용
      • 4.9.1. Unicode 한글의 사용
      • 4.9.2. 이스케이프 문자
      • 4.9.3. 문자열 연산자
      • 4.9.4. 문자열 포맷 연산자
      • 4.9.5. 내장 문자열 함수
    • 4.10. 시퀀스(Sequence) 자료형 활용
      • 4.10.1. 리스트(Lists)
      • 4.10.2. 튜플(Tuple)
      • 4.10.3. 딕셔너리(Dictionary)
    • 4.11 Class
    • 4.12. Date & Time
    • 4.13. 파이썬 에러처리
  • 5. 기초수학
  • 6. 머신러닝을 위한 파이썬
  • 7. 텐서플로 2.x
  • 8. 딥러닝을 이용한 자연어 처리 입문
  • 9. 파이토치로 시작하는 딥 러닝 입문
  • 9.6 6. Pytorch lightning
  • A1. 필수 학습 라이브러리들
    • 4.1 NumPy
      • 4.1.1. Basic Operations
      • 4.1.2. Indexing, Slicing 그리고 Iterating
      • 3.13.3. Shape Manipulation
    • 4.2 Matplotlib
    • 4.3 SciPy
      • 4.3.1. Interpolation
      • 4.3.2. Optimization
      • 4.3.3. Fast Fourier transforms: scipy.fftpack
    • 4.4 Pandas
      • 4.4.1 Pandas 자료구조
      • 4.4.2 Pandas 활용하기
  • A2. 머신러닝 & 딥러닝
    • 5.1. 머신러닝 개념 소개
      • 5.1.1. 경사하강법(Gradient Descent )
      • 5.1.2. 분류 (Classification)
      • 5.1.3. MNIST Dataset 소개
    • 5.2. 딥러닝 개념 소개
      • 5.2.1. 퍼셉트론
      • 5.2.2. 인공 신경망
      • 5.2.3. 대표적인 딥러닝 모델
    • 5.3. Tensorflow를 사용한 학습
      • 5.3.1. TensorFlow 기본 메커니즘
      • 5.3.2. Tensorflow Types
      • 5.3.3. 기본 동작 실습
      • 5.3.4. 선형 회귀
      • 5.3.5 로지스틱 회귀
    • 5.4. Keras를 사용한 학습
      • 5.4.1. Keras로 분석한 선형 회귀
      • 5.4.2. CNN(Convolutional Neural Network)
      • 5.4.3. Fashion MNIST with Keras
    • 5.5. 웹 크롤링
      • 5.5.1. requests와 BeautifulSoup으로 웹 크롤러 만들기
Powered by GitBook
On this page

Was this helpful?

  1. 3. 개발 환경설정
  2. 3.2. 리눅스 환경에서 설치하기

3.2.1. 아나콘다 설치(파이썬 설치)

Previous3.2. 리눅스 환경에서 설치하기Next3.2.2. 텐서플로 설치

Last updated 6 years ago

Was this helpful?

우분투(Ubuntu)에 기본 설치되어 있는 파이어폭스 웹브라우저 (Firefox Web Browser)에서 주소창에 아나콘다 다운로드 사이트 주소를 입력합니다.

Anaconda 2018.12 for Linux에서 Python 3.7 version (64bit Installer)을 다운 로드 받습니다.

다운로드한 파일들은 별도의 디렉토리에 원본 설치 파일을 관리하는 것이 더 좋습니다.

/home/[사용자 계정]/deepsoft 로 지정하겠습니다. 터미널을 열고 mkdir deepsoft 명령어로 새로운 디렉토리를 만들어 줍니다. 다운로드한 파일을 그 위치로 이동합니다.

터미날 창에서 다음 명령으로 설치를 진행 합니다.

먼저 “cd deepsoft” 명령으로 다운로드한 디렉토리로 이동합니다.

그후 bash 쉘 스크립트 명령으로 설치를 진행합니다.

“bash ./Anaconda3-2018.12-Linux-x86_64.sh”

이 때부터 Enter 키와 yes 타이핑 등을 차례로 요구하기 때문에 천천히 설치를 진행합니다.

Enter 를 누르면 license 동의하는 페이지가 나타납니다. 스페이스바를 눌러 페이지를 넘기고 마지막에 [yes] 를 입력하여 제품 사용에 동의해야 합니다.

설치 경로는 보통 /home/[userid]/anaconda3로 지정이 될 것이며, 그 후 .bashrc에 Path 등록까지 자동으로 처리됩니다.

- * 쉘(Shell)은 운영체제에서 사용자가 입력하는 명령을 읽고 해석하여 대신 실행해주는 프로그램입니다. 운영체제 상에서 다양한 운영체제 기능과 서비스를 구현하는 인터페이스를 제공하며, 사용자와 운영체제의 내부(커널) 사이의 인터페이스를 감싸는 층이기 때문에 셸이라는 이름이 붙었습니다. 쉘은 운영체제에서 필수적으로 존재합니다. .bashrc 는 이미 로그인 한 상태에서 새 터미널 창을 열 때마다 로드되는 쉘입니다.

Anaconda 설치시 bashrc설정을 묻는다면 [yes]로 지정합니다. Microsoft VS Code 는 사용할 경우에만 설치해 줍니다.

그 후 source ~/.bashrc 명령어를 통해 .bashrc를 한 번 더 수행해주면 됩니다.

그 이후 conda list 명령어가 정상적으로 동작하는지 확인하면 됩니다.

설치를 마치면 아나콘다를 업데이트 합니다. 아나콘다 자체를 최신 버전으로 업데이트 하는 명령은 다음과 같습니다.

conda update conda

conda update anaconda

conda update –n base conda

시스템을 분석한 후 진행할 것인가 묻는다면 y 를 입력하여 계속 진행합니다.

아나콘다의 파이썬 패키지 전체를 업데이트 하는 명령은 다음과 같습니다.

conda update --all

아나콘다 5.3 버전부터 파이썬 3.7 버전을 사용하도록 바뀌었습니다. 텐서플로는 파이썬 3.7 버전의 패키지를 제공하지 않기 때문에 파이썬 3.6으로 다운그레이드해야 합니다.

일단 설치된 파이썬의 버전을 확인합니다.

conda search python

파이썬 및 여러 라이브러리를 지정하며 가상 환경을 생성하는 이유는 윈도우 환경 설정을 참조하면 됩니다. 먼저 pip 를 먼저 설치해야 합니다.

sudo apt install python-pip

sudo apt install python3-pip

이 교재에서는 python 3.5 를 사용하기로 하였으므로 pip3 로 hdf5 파일 시스템을 처리하는 h5py를 설치해 봅니다.

pip3 install h5py

이제 가상환경을 만들겠습니다.

아래 명령어의 의미는 onebook이라는 작업환경을 새롭게 만드는데 Python 은 3.5 버전을 사용 할 것이며, 이 작업환경에서 numpy scipy matplotlib spyder pandas seaborn scikit-learn h5py 등의 라이브러리를 사용 할 것이라는 것을 알려 주는 것입니다.

>conda create -n onebook python=3.5 numpy scipy matplotlib spyder pandas seaborn scikit-learn h5py statsmodels

만약에 쉘이 conda 명령에 대해 정상 동작 하지 않는다면 conda init bash 를 실행하여 콘다를 초기화 하고 터미널을 다시 실행합니다.

생성한 onebook 작업 환경을 동작되도록 합니다.

conda activate onebook

명령 프롬프트의 앞부분이 base 에서 onebook 으로 변경 된 것을 확인할 수 있습니다.

LogoAnaconda | Individual EditionAnaconda