开发环境介绍
涉及到的软件包
- Python3
- Anaconda3
- TensorFlow2.0
Python
Python结构清晰,简单易学,拥有丰富的标准库和第三方库生态系统。
同时Python有很多数学运算的第三方库,比如Numpy,SciPy,在可视化方面有MatplotLib和SeaBorn,结构化数据操作可以通过Pandas得到R语言一般的体验,针对各种指垂直领域,比如:图像,语音,文本等等,在预处理阶段都有狠成熟的库可以直接调用,因此Python非常适合作为机器学习算法的编程语言。
TensorFlow2.0
Python是一门动态的解释性编程语言,因此在进行复杂算法的时候,效率是会有狠大的限制,所以在实际的机器学习或者深度学习项目中,就需要使用更加高效的实现方法。
TensorFlow是Google公司,开源的一款高效开发人工智能的框架。
从15年发布,到目前为止已经成为使用最为广泛的深度学习库。
很多之前难以实现的大规模人工智能任务,都可以使用TensorFlow实现。
早起版本的TensorFlow 1.0,对于初学者来说,不太容易学习和掌握,仅只能掌握在少数专业人手里。
因此Google公司在TensorFlow 2.0的开发中,将“易用性”作为一个重点关注的目标。
2019.06,TensorFlow-2.0-bate版发布,它非常的简单,清晰,好用,并且容易扩展,极大的降低了深度学习编程的门槛,使得大规模人工智能不再只是被少数精英掌握。
Anaconda3
Anaconda3是Python的一个科学计算的发行版本,它集成了常用的Numpy, SciPy, Matplotlib, Pandas, scikit-learn, Spyder库,无需设置开发环境,简单易用。
同时它提供了强大的包管理和环境管理功能,可以方便的安装、更新工具包,并且安装工具包的时候,还能自动安装相应的依赖,可以在同一台机器上,创建几个相互独立的Python开发环境。
Anaconda的安装与使用
Anaconda支持Windows,Linux,MacOS操作系统,去相应的地址下载对应的系统安装包即可。
可以从Anaconda官网或者清华大学软件镜像站去下载安装包,国内用户建议从清华大学软件镜像站下载。
Anacondas官网 https://www.anaconda.com/distribution
清华大学软件镜像站 https://mirror.tuna.tsinghua.edu.cn/anaconda/archive
Anaconda包下来后,双击即可安装,不管是Windows还是MacOS都是”下一步”的安装方法,就不多赘述了。
在上图展示的软件中,jupyter notebook最常用的软件,VSCode是较为常用的软件,其他的可以自行百度了解一下。
Hello, World
Anaconds安装完成后,通过交互模式来打印出”Hello, World”
Jupyter Notebook
它是一个可以通过网页访问的web应用程序,在网页中可以编写和执行程序。
它屏蔽了不同系统间的显示差异,便于代码的分享。
它可以将代码、图像、注释、公式、图形、运行结果等保存到一个文档中,形成漂亮的交互式文档。
可使代码保持在编辑器中的格式,并且可以运行。
通过Anaconda打开jupyter notebook
通过Anaconda打开jupyter notebook,会自动打开jupyter notebook的web页面,初次启动会自动在当前用户的用户目录下启动。
修改jupyter notebook的默认目录
新建配置文件
jupyter notebook --generate-config # 若是配置文件存在,则会让你确认覆盖,若你配置文件有过改动不建议覆盖
上图红框中就是配置文件所在的位置,打开文件,找到“c.NotebookApp.notebook_dir”,打开前面的注释,修改为你想设置的路径即可。
通过jupyter notebook打印Hello, World
Anaconda包管理和环境管理
包管理
- 安装、更新、卸载工具包
- 安装时能自动安装相应的依赖包
conda命令管理包
- 安装包:conda install <package_names>
- 卸载包:conda remove <package_names>
- 更新包:conda update <package_names>
- 模糊搜索可安装的包:conda search <package_names>
pip命令管理包
- 安装包:pip install <package_names>
- 卸载包:pip uninstall <package_names>
环境管理
- 在同一台机器上创建几个相互独立的Python开发环境
- 隔离不同项目所需的不同版本的工具包
- 防止版本之间的冲突
使用conda管理环境
- 创建环境:conda create –name <env_name> <package_names>
- 激活环境:activate <env_name>
- 退出环境:deactivate
- 删除环境:conda remove –name <env_name> –all
- 环境列表:conda env list
安装TensorFlow 2.0
命令行安装TensorFlow(推荐)
1. 创建独立环境并激活 conda create --name tensorflow2.0 python==3.7 activate tensorflow2.0 2. 安装相关的软件包 conda install numpy matplotlib PIL scikit-learn pandas 推荐:pip install numpy matplotlib Pillow scikit-learn pandas -i https://pypi.tuna.tsinghua.edu.cn/simple 因conda安装的时候,会根据软件包之间的依赖修改一些软件包的版本,会对后续的使用造成一定的麻烦,因此推荐使用pip安装 3. 安装TensorFlow2.0 pip install tensorflow==2.0.0-beta -i https://pypi.tuna.tsinghua.edu.cn/simple 4. 测试TensorFlow2.0是否成功 在Python交互模式输入:import tensorflow as tf 没有报错,即安装成功
使用Anaconda安装TensorFlow
在使用Anaconda安装TensorFlow之前,需要先修改一下Anaconda的源。
这里就直接修改为清华大学的镜像源。
打开此地址 https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ 根据地址一步一步的做即可。
本文为原创文章,未经授权禁止转载本站文章。
原文出处:兰玉磊的个人博客
原文链接:https://www.fdevops.com/2020/03/02/tensorflow2-0-install
版权:本文采用「署名-非商业性使用-相同方式共享 4.0 国际」知识共享许可协议进行许可。
评论列表(2条)
流弊
牛逼,来看看