深度有趣 | 01-02 前言和准备工作

张宏伦

发布于 2018-10-25 11:29:45

6220

发布于 2018-10-25 11:29:45

文章被收录于专栏：宏伦工作室宏伦工作室

为什么做这门课

兴趣是最好的老师

用 Python 做一些有意思的案例和应用，内容和领域不限，可以包括数据分析、自然语言理解、计算机视觉，等等等等

一个将各种有趣项目整合在一起的大合集

学了能干嘛

并非专门为了某一项工作而学，而是从多个方面尝试一些自己没有做过的事情

提高代码能力、保持终身学习

好玩、好玩、好玩

开发环境

Python 3
Sublime Text
IPython Notebook

开始探索之旅！

接下来在个人电脑上，搭建编程所需的各项环境

Anaconda

一个涵盖了 Python、pip 以及常用Python包的软件

https://www.anaconda.com/download/

根据操作系统进行选择，并使用 Python3 对应的Anaconda版本

Sublime Text

一个简洁清爽而高颜值的编辑器

https://www.sublimetext.com/

下载并安装 Sublime Text 3

也可以尝试其他对新手更友好的编辑器，例如 PyCharm

https://www.jetbrains.com/pycharm/

运行代码

运行代码的三种方法

使用编辑器编写代码，并在编辑器中运行
使用编辑器编写代码，并在命令行中运行
使用Jupyter Notebook编写代码并运行

安装包

可以用pip或conda安装 Python包

pip install tensorflow keras

如果安装过慢，可以尝试使用国内的源，例如清华提供的源

pip install tensorflow==1.9.0 keras==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

文件路径

Windows上的文件路径以左斜杠 \拼接

C:\Users\hlzhang\Desktop

而Mac和Linux上的文件路径以右斜杠 /拼接

/Users/honlan/Desktop

我习惯于后者，所以在后续代码中，如果使用字符串表示或拼接文件路径，则都是使用/

如果在 Windows 上报错，请将/相应地改为\

中文编码

在Windows上读写文本文件时，最好指定编码为utf8，尤其是在文件中包含中文时，因为这门课所涉及的文本文件都是utf8编码

fr = open('xyj.txt', 'r', encoding='utf8')

不然可能会出现类似以下编码错误

UnicodeDecodeError: 'gbk' codec can't decode byte 0x80 in position 2: illegal multibyte sequence

深度学习框架

TensorFlow和Keras都是非常流行的深度学习框架

https://www.tensorflow.org/
https://keras.io/

TensorFlow 提供了更加底层的API，好比木材和各种工具，自己DIY

Keras 封装度更高，以Theano、TensorFlow等底层框架为backend，好比造好的轮子

用经典网络层搭模型时，Keras 更方便；动手实现和修改模型的细节时，TensorFlow 更灵活

Keras的backend可以是Theano或TensorFlow，为了保持一致，将backend改为TensorFlow

编辑以下文件，如果是Windows，则将$Home改为%USERPROFILE%

$HOME/.keras/keras.json

修改 backend 字段即可，改动始终有效

{
    "image_data_format": "channels_last",
    "epsilon": 1e-07,
    "floatx": "float32",
    "backend": "tensorflow"
}

或者在代码里指定，仅对当前代码有效

import os
os.environ['KERAS_BACKEND'] = 'tensorflow'
import keras

关于backend的更多内容，请参考以下文档

https://keras-cn.readthedocs.io/en/latest/backend/

GPU

CNN 等神经网络模型使用 GPU 训练更快，有条件的话可以用GPU，不然只能用CPU进行训练，相应地需要安装tensorflow的gpu版本

pip install tensorflow-gpu

如果是 Nvidia 的GPU，那么还需要安装和配置 CUDA 和 CuDNN

http://www.shushilvshe.com/data/dl-env-build.html

并且需要注意tensorflow和CUDA、CuDNN之间的版本兼容问题

在tensorflow1.6之前，使用CUDA8.0和CuDNN8
从tensorflow1.6开始，使用CUDA9.0和CuDNN7
tensorflow版本更新很快，录课开始时还是1.4，录课结束时已经更新到了1.10
没有一成不变的配置，只有不断适应才能赶上变化

视频讲解课程

https://study.163.com/course/courseMain.htm?courseId=1004777011

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2018-09-20，如有侵权请联系 cloudcommunity@tencent.com 删除

其他

本文分享自宏伦工作室微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

其他

登录后参与评论

0 条评论

热度