蜜源指数预测项目环境搭建

12蜜源地数据探索与分析环境搭建学习目标熟悉项目背景掌握项目所用的技术内涵132知识思政技能能会搭建基于Pytorch的深度学习环境能会处理蜜源地数据厚植爱国情怀树立民族自豪感一、项目研究背景1、我国蜂业产业大数据画像30多万1442万群2000多年一、项目研究背景2、蜜源植物紫云英荆条山茶油菜一、项目研究背景3、蜜源地盛产中草药蜜的神农架产区盛产洋槐蜜的甘肃天水产区盛产茱萸蜂蜜的伏牛山产区盛产椴树蜜的东北椴树蜜产区盛产土蜂蜜的云贵高原地区一、项目研究背景4、影响蜜源植物开花泌蜜的主要因素：光照、气温、空气湿度、降水量等。光照气温空气湿度降水量一、项目研究背景5、蜜源地指数用来衡量放蜂所在地泌蜜的质量和数量，是蜂农放蜂转场的主要参考数据。自主寻找蜜源地，迁徙的代价大!大数据技术智能推荐，科技助农!推荐蜜源地依赖的属性：蜜源地指数、蜂农所在的省份、年龄、转场费用等。数据：省农业农业厅畜牧管理部门收集的十余年的蜜源地数据所用技术：数据预处理技术、深度学习技术基于深度学习的蜜源地指数预测系统应用深度神经网络MLP实现蜜源地指数预测。基于深度学习的蜜源地推荐系统，以Web网页形式呈现，提供蜂农位置、年龄、成本等因素输入接口，使用深度学习技术和大数据可视化技术，一键为蜂农推荐出合适的蜜源地。一、项目研究背景二、开发环境Python编程语言，PyTorch深度学习框架，Numpy，Pandas，PyTorch，PyQt5，PyEcharts等库开发完成。具体开发环境如下表所示。二、开发环境1、NumpyNumpy是Python中用于科学计算的一个重要库，它提供了大量的数学函数和操作数组的工具。通过NumPy，可以轻松地进行数组操作、线性代数和随机数生成等操作。二、开发环境2、PandasPandas是基于NumPy的一种工具，可以读取csv数据文件，主要由一维数组和二维数组组成，可以处理各种类型的数据，提供数据过滤、排序、分组和聚合等功能。二、开发环境3、PyTorchPyTorch是一个深度学习框架，能够实现GPU加速，支持动态神经网络，PyTorch可以看作是加入了GPU支持的NumPy，也可以看成一个拥有自动求导功能的强大的深度神经网络。二、开发环境4、PyQt5PyQt5是一个用于创建图形用户界面的Python库。它基于Qt框架开发，提供了丰富的图形用户界面组件和功能，使开发者能够轻松地创建交互式和可视化的应用程序。在UNIX、Windows和Mac中都可以运行。二、开发环境

5、PyEchartsPyEcharts是一个Python可视化库，用于创建交互式图表。它基于Echarts，通过在Python中调用Echarts，在Python环境中绘制各种图表。PyEcharts提供了一个接口，使用者无需了解JavaScript语法，即可通过Python代码实现高度定制化的图表设计。三、蜜源地数据特征项目数据通过徐州市大数据局申请获取，由省农业农村厅畜牧业管理部门收集，包括全国各省蜜源地的蜜源植物种类、离市区距离、蜜源地面积、泌蜜天数等13个特征。三、蜜源地数据特征原始数据存在有重复、缺失等异常情况。对重复数据，直接删除。对缺失数据，分情况处理：对缺失率小于95%且重要性较低的数据，根据数据分布的情况，用中位数填充；对缺失率大于80%，且重要性较低直接将变量删除。最终得到8000条数据，将数据存储为csv文件。用其中的6000行作为训练数据，用2000行作为测试数据。部分数据如图所示。三、蜜源地数据特征四、PyTorch深度学习环境搭建完成一个深度学习项目分三步走：首先创建一个Python虚拟环境，方便管理项目的依赖；然后在该虚拟环境中搭建深度学习环境；最后在深度学习环境中编写代码实现项目所需的功能。Python虚拟环境和深度学习环境的搭建过程共分以下6步。1、官网下载并安装Windows版的Miniconda进入Miniconda官网（/free/miniconda/）。点击左侧栏第3个Miniconda下的InstallingMiniconda，跳转到Miniconda的安装界面，选择适合自己系统的安装包，点击下载。下载完毕后，双击安装包，按提示安装Miniconda。

Windows系统下Miniconda安装包下载界面如图所示。四、PyTorch深度学习环境搭建四、PyTorch深度学习环境搭建Miniconda3安装成功后，从开始菜单中找到“AnacondaPrompt(miniconda3)”,单击打开终端，输入：condacreate--named3lpython=3.10-y，敲回车，即开始创建Python虚拟环境。这条命令使用condacreate命令创建虚拟环境，并将该环境命名为d3l，指定使用的python版本号为3.10。操作示意图如下。四、PyTorch深度学习环境搭建四、PyTorch深度学习环境搭建3、激活d3l环境虚拟环境创建完成后，需要激活才能使用。在命令行输入：

condaactivated3l，激活d3l环境。环境从基础环境base转到虚拟环境d3l。这样，就可以在虚拟环境d3l中安装本项目所需要的软件了。四、PyTorch深度学习环境搭建4、设置清华源由于深度学习Pytorch库文件在国外网站上，从国内下载速度较慢。为了解决外网速度下载慢的难题，国内著名科研机构做了国内镜像源，本项目使用清华大学镜像源。设置本地下载源均为清华大学镜像源，在终端输入：pipconfigsetglobal.index-url/simple四、PyTorch深度学习环境搭建4、设置清华源这条命令的执行结果是在当前用户的主目录下生成一个名为pip的隐藏文件夹，其中包含了一个pip.conf文件，里面记录了用户的pip配置信息。四、PyTorch深度学习环境搭建5、安装JupyterNotebookJupyterNotebook为目前深度学习开发较为流行的网页版本的PythonIDE,是做深度学习设计的较好选择。在d3l环境中安装JupyterNotebook，命令如下：pipinstalljupyter四、PyTorch深度学习环境搭建6、在d3l环境中安装深度学习框架Pytorch输入pipinstalltorch==1.12.0