Python微信訂餐小程式課程視頻

https://edu.csdn.net/course/detail/36074

Python實戰量化交易理財系統

https://edu.csdn.net/course/detail/35475

前言：

本篇文章主要講解的是在學習人工智能之深度學習時所學到的知識和需要的環境配置（安裝Anaconda3和TensorFlow2步驟詳解），以及個人的心得體會，匯集成本篇文章，作為自己深度學習的總結與筆記，

內容主要是人工智能和深度學習的簡介、環境配置和簡單的python實體演示，

對于剛了解人工智能基本常識和具有Python基礎的人，再來看本篇文章，就會對人工智能之深度學習有種豁然開朗的感覺，也是對人工智能學習的一種進階，

**PS：**開發工具包在文章末尾，有需要或者有問題可以評論區留言討論

一、人工智能和深度學習

1.人工智能簡介

人工智能（Artificial Intelligence），英文縮寫為AI，它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，
人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、影像識別、自然語言處理和專家系統等，人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”，人工智能可以對人的意識、思維的資訊程序的模擬，人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能，
二十世紀七十年代以來被稱為世界三大尖端技術之一（空間技術、能源技術、人工智能），也被認為是二十一世紀三大尖端技術（基因工程、納米科學、人工智能）之一，這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，并取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統，

1.1科學領域

實際應用于機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃，智能搜索，定理證明，博弈，自動程式設計，智能控制，機器人學，語言和影像理解，遺傳編程等，
用來研究人工智能的主要物質基礎以及能夠實作人工智能技術平臺的機器就是計算機，人工智能的發展歷史是和計算機科學技術的發展史聯系在一起的，除了計算機科學以外，人工智能還涉及資訊論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科，人工智能學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程式設計等方面，

2.人工智能、機器學習與深度學習

人工智能、機器學習與深度學習有何關系或不同？

答：深度學習∈機器學習∈人工智能

深度學習(DL, Deep Learning)是機器學習(ML, Machine Learning)領域中一個新的研究方向，它被引入機器學習使其更接近于最初的目標——人工智能(AI, Artificial Intelligence)，

深度學習是學習樣本資料的內在規律和表示層次，這些學習程序中獲得的資訊對諸如文字，影像和聲音等資料的解釋有很大的幫助，它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、影像和聲音等資料， 深度學習是一個復雜的機器學習演算法，在語音和影像識別方面取得的效果，遠遠超過先前相關技術，
深度學習在搜索技術，資料挖掘，機器學習，機器翻譯，自然語言處理，多媒體學習，語音，推薦和個性化技術，以及其他相關領域都取得了很多成果，深度學習使機器模仿視聽和思考等人類的活動，解決了很多復雜的模式識別難題，使得人工智能相關技術取得了很大進步，

2.1三者比較

人工智能的研究分支包括專家系統、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統等，

機器學習作為一種實作人工智能的方法，其最基本的做法是使用演算法來決議資料、從中學習，然后對真實世界中的事件做出決策和預測，與傳統的為解決特定任務、硬編碼的軟體程式不同，機器學習是用大量的資料來“訓練”，通過各種演算法從資料中學習如何完成任務，

深度學習作為一種實作機器學習的技術，并不是一種獨立的學習方法，其本身也會用到有監督和無監督的學習方法來訓練深度神經網路，但由于近幾年該領域發展迅猛，一些特有的學習手段相繼被提出（如殘差網路），因此越來越多的人將其單獨看作一種學習的方法，

2.2深度學習作業流程

3.深度學習入門與主流開發平臺

深度學習是一類模式分析方法的統稱，就具體研究內容而言，主要涉及三類方法：

• 基于卷積運算的神經網路系統，即卷積神經網路(CNN)
• 基于多層神經元的自編碼神經網路，包括自編碼( Auto encoder)以及近年來受到廣泛關注的稀疏編碼兩類( Sparse Coding)
• 以多層自編碼神經網路的方式進行預訓練，進而結合鑒別資訊進一步優化神經網路權值的深度置信網路(DBN)

3.1深度學習的入門

深度學習在人工智能領域非常重要，在進行深度學習時，需要有一定的數學知識和相關演算法基礎，同時需大量的資料和硬體作為支持，

3.2機器學習相關演算法

在實際的生活中，根據要解決的問題，人們把機器學習演算法分類為：

• 監督學習：利用一組已知類別的樣本調整分類器的引數，使其達到所要求性能的程序，

決策樹 支持向量機 樸素葉貝斯分類

• 無監督學習：根據未知類別的訓練樣本解決模式識別中的各種問題

自編碼 主成分分析 隨機森林 K-均值演算法

• 半監督學習：有一部分資料的標簽未知，訓練一個智能演算法，學習已知標簽和未知標簽的資料，將輸入資料映射到標簽的程序，

自訓練演算法 基于圖的自訓練演算法 半監督支持向量機

• 強化學習：強調如何基于環境而行動，以取得最大化的預期利益，

馬爾可夫決策 Q-Learning

4.主流的人工智能服務平臺

為了方便用戶開發人工智能專案，目前互聯網上推出了很多人工智能服務平臺，用戶使用簡單的API介面就可以快速開發專案，極大節約了開發周期與成本，

　 https://www.aliyun.com/

　　https://ai.baidu.com/　

https://www.megvii.com/或https://megengine.org.cn

二、Anaconda3和TensorFlow2簡介

1.Anaconda3（開源的Python發行版本）

Anaconda官網：https://www.anaconda.com/

Anaconda，中文大蟒蛇，是一個開源的Python發行版本，其包含了conda、Python等180多個科學包及其依賴項，

Anaconda包括Conda、Python以及一大堆安裝好的工具包，比如：numpy、pandas等
Miniconda包括Conda、Python
conda是一個開源的包、環境管理器，可以用于在同一個機器上安裝不同版本的軟體包及其依賴，并能夠在不同的環境之間切換，各個虛擬環境下的專案運行是互不干擾的，
1.1基本用法

• conda clean
• conda config
• conda create
• conda help
• conda info
• conda install
• conda list #羅列出所有已安裝的科學包及其依賴項
• conda package
• conda remove
• conda search
• conda uninstall
• conda update
• conda upgrade

2.TensorFlow2

TensorFlow 是谷歌發布的深度學習開源的計算框架，該計算框架可以很好地實作各種深度學習演算法，涉及自然語言處理、機器翻譯、影像描述、影像分類等一系列技術，簡單來說，TensorFlow 為我們封裝了大量機器學習、神經網路的函式，幫助我們高效地解決問題，

TensorFlow= Tensor +Flow：

• Tensor 翻譯成“張量”，是一種多維陣列的資料結構；
• Flow 翻譯成“流”，是計算模型，描述的是張量之間通過計算而轉換的程序，

2.1TensorFlow與其他深度學習框架對比

2.2TensorFlow的商業應用

2.3Tensorflow的CPU版本與GPU版本

在Tensorflow中使用CPU和GPU是有很大的差別的，在小資料量的情況下，CPU和GPU的性能差別不大，不過在大資料量的情況下，CPU的時間顯著增加，而GPU變化并不明顯，

三、深度學習的環境搭建

1.進入Python的世界

1.1下載Python

下載網址：https://www.Python.org/downloads/

語言解釋器是一個輕量級的小尺寸軟體，可以在Python語言主網站上下載（檔案大小為25~30 MB），對于初學者來說，建議采用3.7或之后的版本， 注意：Python提供了不同作業系統版本，包括Windows作業系統版本、Linux作業系統版本、Mac作業系統版本及其他作業系統版本，本教程以Windows作業系統版本為例進行介紹，

1.2安裝Python（Anaconda3）

**PS：**需要壓縮包版請到文章末百度網盤鏈接獲取

（1）此處我們無需在官網去下載Python，而是使用非常常用的開源的Python發行版本—Anaconda，其可很方便的建立多個python虛擬環境，使得各個環境之間受干擾，

（2）到下面界面時，選擇All Users后，選擇Next，此時可能彈出是否允許對電腦進行修改，點擊是即可，若未出現則不用管，

（3）到了如下圖所示界面時，注意一定記住紅框1圈著的安裝位置，后續配置需要用到，之后點擊Next，

（4）到了如下圖所示界面時，勾選紅框1內選項，之后選擇install，

（5）miniconda安裝完成后從開始選單找到Anaconda3檔案夾，打開后單擊Anaconda Powershell Prompt，則會彈出如圖所示的命令提示行界面，

1.3執行Python腳本檔案

運行Python程式有兩種方式：互動式和檔案式，互動式指Python解釋器即時回應用戶輸入的每條代碼，給出輸出結果，檔案式也稱批量式，指用戶將Python程式寫在一個或多個檔案中，然后啟動Python解釋器批量執行檔案中的代碼，下面分別以這兩種方式來撰寫并運行Hello World程式， A.互動式啟動和運行方法 B.互動式有兩種啟動和運行方法， 第一種方法，啟動Windows作業系統命令列工具（在＞＞＞提示符后輸入exit()或者quit()并按Enter鍵可以退出Python運行環境，

（1）在之前的命令提示符界面輸入指令：python，之后敲回車則會直接跳轉到如圖3所示的界面，其中出現>>>，則代表啟動python成功，

（2）之后便可在命令列輸入python代碼，如圖4所示，紅框1標注處寫入代碼print(‘hello world!’)，之后敲回車便可出現黃框2的運行結果，之后便可在>>>繼續輸入python代碼，

2.Anaconda創建tensorflow虛擬環境，并安裝相應模塊

2.1創建虛擬環境

conda create -n tensor python=3.7

注：如果miniconda下載版本有python的固定版本匹配，則不需要 python=3.7

中間會問是否安裝以上這些包 Proceed ([y]/n）? 在其后輸入 y 即可

安裝完成會出現done字符

2.2展示現有虛擬環境

conda env list

2.3激活進入對應名稱虛擬環境

conda activate tensor

輸入python確定當前python版本

出現python命令列（即>>>）時，輸入exit()退出當前python環境

2.4升級pip

（此步驟不進行也可，但pip版本過低會影響后續模塊安裝）

python -m pip install --upgrade pip

2.5安裝TensorFlow2

注：（后邊網址代表從豆瓣源（也可使用清華源https://pypi.tuna.tsinghua.edu.cn/simple等）安裝，否則會從國外網站下載，下載速度很慢）

pip install tensorflow -i https://pypi.douban.com/simple/

安裝完成

2.6解決錯誤

安裝TensorFlow程序中如遇到cannot uninstall ‘wrapt’. It is a…類似錯誤，輸入如下陳述句

pip install -U --ignore-installed wrapt

再執行

pip install tensorflow -i https://pypi.douban.com/simple/

2.7檢查安裝包是否存在

檢查安裝包是否安裝成功,輸入如下指令后，串列中存在tensorflow即為安裝成功，并且在之后使用pip安裝的所有包都可以使用該指令進行檢測

pip list

2.8安裝Django

pip install django

2.9升級numpy

pip install --upgrade numpy

2.10安裝pillow

pip install Pillow

3.配置Python開發環境

3.1下載Python集成開發環境PyCharm

PyCharm提供免費的社區版與付費的專業版，專業版額外增加了一些功能，如專案模板、遠程開發、資料庫支持等，個人學習Python使用免費的社區版已足夠， PyCharm社區版下載地址：https://www.jetbrains.com/pycharm/download/#section=windows

3.2安裝PyCharm Community Edition

下載Python集成開發環境PyCharm后，可按照如下步驟進行安裝， （1）按照1.2中所示的內容，下載并安裝好Python， （2）雙擊PyCharm的安裝程式，進入安裝界面，如下圖所示，

（3）單擊Next按鈕，在彈出的“Choose Install Location”對話框中選擇安裝PyCharm的路徑（默認即可），之后點擊Next，如圖6所示，

（4）單擊Next按鈕，進入圖7-1所示的“Installation Options”對話框，勾選所有選項，之后點擊next進入到圖7-2所示界面，點擊install進行安裝，

選擇next

（5）設定完成，單擊Next按鈕直到出現圖8所示的對話框，選擇稍后重啟，單擊Finish按鈕完成安裝，

（5）如果出現如下三張界面，按照紅框選擇即可

3.2PyCharm的使用步驟

（1）安裝軟體后，開始創建第一個專案，如下圖所示，（2）紅框1處為專案存盤位置，可根據自己的情況修改，注意此處選擇的檔案夾必須為空檔案夾，（3）點擊紅框2處后下邊內容被打開，（4）選擇紅框3中的existing interpreter，之后選擇紅框3中最右邊的三個點，（5）注意紅框4處的選項不要勾選

（6）上一步點擊三個點之后跳入到如圖10所示界面，首先紅框1中的system interpreter，正常情況下，紅框2處會直接顯示之前安裝的anaconda安裝位置，如果沒有自動顯示的話，點擊紅框3中的三個點，

（7）上一步點擊三個點之后跳入到如下圖所示界面，找到之前自己記錄的miniconda安裝位置檔案夾中創建虛擬環境中的python.exe檔案，點擊之后點擊OK，便會回傳到上圖界面，在上圖界面點擊OK后便會回到之前的界面，之后點擊create，

（8）點擊create之后，專案檔案夾便搭建完畢，將會跳轉到pycharm專案界面，如圖12-1所示，紅框處會顯示專案名稱，滑鼠右鍵該專案名稱.如果中間出現如下圖所示的界面，根據紅色標記選擇即可

（9）右鍵專案名稱后會彈出如圖13中的下拉選單，選擇標號1處的new，之后選擇標號2處的Python Package，在如圖14所示彈出框中輸入該檔案夾的名稱即可（最好是英文，且能表達出該專案的意義）

pycharm專案界面

python包命名框

（10）上一步給Python Package命名后，便可在pycharm主界面出現建立的python包helloworld，如圖15中的紅框1位置，并且該包中會自動生成檔案__init__.py，該檔案起到了關聯作用，大家不要修改他并且不要再在該檔案中編輯代碼，（11）再次滑鼠右鍵剛才建立好的python包helloworld（而非之前的專案包），選擇標號2處的new，之后選擇標號3中的Python file，并且在之后的彈出框中為Python檔案命名（檔案名可以和包名稱重名）

（12）上一步創建了Python檔案后（此處我為python檔案命名為helloworld），Python檔案（hello.py）便會出現在紅框1處，點擊該檔案后，便可在紅框2處開始撰寫Python代碼，至此，專案便創建完成

（13）專案創建成功后，此處在代碼編輯區輸入了一行代碼（代碼可輸入多行），要運行代碼時，便可在代碼編輯區點擊滑鼠右鍵，在出現的下拉選單中選擇紅框2中的Run ，便可在紅框3處顯示代碼運行結果

3.3訓練測驗

將如下代碼編輯到pycharm后運行，測驗tensorflow環境是否搭建成功

 1 import tensorflow as tf
 2 
 3 mnist = tf.keras.datasets.mnist
 4 (x_train, y_train), (x_test, y_test) = mnist.load_data()
 5 x_train, x_test = x_train / 255.0, x_test / 255.0
 6 model = tf.keras.models.Sequential([
 7   tf.keras.layers.Flatten(input_shape=(28, 28)),
 8   tf.keras.layers.Dense(128, activation='relu'),
 9   tf.keras.layers.Dropout(0.2),
10   tf.keras.layers.Dense(10, activation='softmax')
11 ])
12 model.compile(optimizer='adam',
13               loss='sparse\_categorical\_crossentropy',
14               metrics=['accuracy'])
15 model.fit(x_train, y_train, epochs=5)
16 model.evaluate(x_test,  y_test, verbose=2)

成功截圖

總結：

至此，如果你的作業臺上最終出現以上截圖結果，那么，恭喜您，成功搭建出了研究深度學習的配置環境，

以上便是本篇文章所寫的關于人工智能之深度學習的所有內容了，碼字不易，對你有幫助的話，請給個三連（關注、點贊、收藏）有問題可評論區留言討論，

后期會完善深度學習語法格式、模型訓練和機器演算法等其他相關知識，如有幫助的話，敬請關注樓主后續發文(不定時發文)，

轉載時請注明出處鏈接

PS：開發工具獲取（百度網盤）：

鏈接：https://pan.baidu.com/s/1lMYaNMuw1xFKdKkS5zqIFQ 提取碼：1234

參考：

1.百度百科（各名詞含義）：https://www.baidu.com/