# 開發環境搭建
## Python安裝
### 簡介:
anaconda指的是一個開源的Python發行版本,其包含了conda、Python等180多個科學包及其依賴項。 因為包含了大量的科學包,和可以把不同的python環境隔離開所以我們選擇Anaconda去
### 下載地址:
https://www.anaconda.com/download/ 下載自己對應的版本,500M左右如果下載速度慢可以移步國內鏡像[https://pan.baidu.com/s/1GtuVZx90dc3eS6TBM3f3Xw](https://pan.baidu.com/s/1GtuVZx90dc3eS6TBM3f3Xw),選擇自己電腦匹配的版本。
### 安裝過程:
我電腦的是windows7,下載下來直接就是.exe所以雙擊運行就行。
* 安裝的時候把第二個框選上(第一個框把該軟件添加到環境變量中,第二個是注冊Anoconda自帶的Python為系統的Python)
:-: 
* 點擊開始選擇Anaconda Prompt
:-: 
* 輸入python如果出現下面的界面表示安裝成功了。可以看到Anaconda給我們默認安裝了python3.6.5版本。
:-: 
### 解釋Anoconda安裝下來的東西
* 安裝成功后你也就安裝了好多軟件在windows7你在點擊開始找到Anoconda將看到
如下圖:
:-: 
* 我就帶領大家一探究竟:
先來說明Anoconda Navigator和Anoconda Prompt是什么?
其實這兩個是相同的東西,一個是命令行窗口,一個是GUI。他們一個是命令行窗口,一個是GUI程序界面。conda是一個包管理工具。我們可以在Anoconda Prompt中輸入conda看看什么效果。(是一個開源的軟件包管理系統和環境管理系統,用于安裝多個版本的軟件包及其依賴關系,并在它們之間輕松切換。下面我們會說明它的這種功能。Anoconda Navigator的作用與Anoconda Prompt相同所以我們下面不再對Anoconda Navigator做介紹。因為我喜歡用命令行工具,速度快)
:-: 
* 知道了Anoconda Navigator和Anoconda Prompt是什么了,下面我們就看看他能做些什么:
首先我們在Anoconda Prompt里輸入`conda info --envs`,你將看到下面你的系統里面有幾個python編程環境,并且環境是相互獨立的,你可以在兩個環境下有不同的python版本和不同的安裝包,IDE工具等等
:-: 
我們可以看到Anaconda會默認安裝base環境。
* 輸入命令`conda activate` 環境名來進入一個環境,`deactivate`,退出該環境
* 我們可以看看base環境中都有哪些包和程序,進入輸入Anaconda Prompt默認會進去base環境然后輸入`conda list`你將看到該環境下所有安裝的包和軟件
:-: 
* 你可以用`conda install 包名字`,來安裝所需要的包。你可以看看base環境中還安裝了pip的程序,該程序是python的包管理工具。你可以網上搜一下conda和pip的區別。
* jupyter Notebook 是一個小型網站,你可以在上面寫python程序實時運行還可以寫技術文檔。
* spyder是一個編輯器。感覺不是很好用所以我們選中pycharm
**至此Anoconda安裝和解釋完畢**。
最后提供一個conda學習連接:https://conda.io/docs/user-guide/getting-started.html
## Pycharm的安裝
安裝網址:https://www.jetbrains.com/pycharm/download/#section=windows
選擇下面Community版本下載安裝,點下一步就行。
:-: 
## 機器學習環境搭建
我們決定專門建立一個機器學習的machinelearning環境。
首先打開Anoconda Prompt,進入base環境。
然后輸入conda create --name machinelearning
:-: 
我們看看該環境下有什么包,輸入conda activate machinelearning進入該環境,然后再輸入conda list會看到,沒有什么包。
:-: 
下面我們安裝機器學習所需要的包。
* 首先安裝python
在上面的界面中輸入conda install python=3.6.5 conda會問你需不需要安裝所依賴的包呢我們選擇y。然后我們就靜靜等待安裝完成吧,會很快。
:-: 
* 然后我們輸入python看是否安裝成功。如果進入到Python的交互環境證明安裝成功。
:-: 
* 然后我們可以用pip安裝機器學習所使用到的包也可以用conda。如果你上面安裝python的時候沒有輸入y你就沒有安裝pip程序,這一點要注意。
輸入:
~~~
conda install numpy
conda install scipy
~~~
* 安裝 Scikit-learn輸入
~~~
conda install scikit-learn
~~~
* 測試安裝是否成功:先輸入python進入python交互界面,然后輸入下面代碼
~~~
>>> from sklearn import svm
>>> X = [[0, 0], [1, 1]]
>>> y = [0, 1]
>>> clf = svm.SVC()
>>> clf.fit(X, y)
>>> >>> clf.predict([[2., 2.]])
array([1])
~~~
出現這個結果就證明成功了。
:-: 
## 深度學習環境安裝
### Tensorflow簡介:
TensorFlow是谷歌基于DistBelief進行研發的第二代人工智能學習系統,其命名來源于本身的運行原理。Tensor(張量)意味著N維數組,Flow(流)意味著基于數據流圖的計算,TensorFlow為張量從流圖的一端流動到另一端計算過程。TensorFlow是將復雜的數據結構傳輸至人工智能神經網中進行分析和處理過程的系統。
### 安裝Tensorflow
* 首先打開Anoconda Prompt創建一個名字叫tensorflow環境(你可以叫任何名字,最好是一眼能看出該環境主要做什么項目)`conda create --name tensorflow python=3.6.5,`可以直接指定該環境的python版本
* 進入該環境conda activate tensorflow
* 直接輸入命令`pip install --upgrade --ignore-installed tensorflow`安裝(pip是安裝python時python自帶的包管理器)
* 如果pip安裝不成功可以參考https://github.com/conda-forge/tensorflow-feedstock
用conda安裝。(最好用pip安裝)
<blockquote>這里沒有介紹GPU版本的安裝方法,GPU版本需要安裝cuda8+cudnn5,如需要的請搜索其他博文</blockquote>
* **檢查是否安裝成功**:
1. 輸入`conda activate tensorflow `進入該環境
2. 輸入`python`進入python交互環境:

3. 然后輸入下面的代碼:
<pre><code class="python"># python code
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
</code></pre>
4.如果出現下面界面表示成功:

> 特別注意:以上是使用命令行工具來安裝的,如果你不習慣也可以使用GUI去安裝。方法類似。
- 序言
- 第一章 機器學習概述
- 第二章 機器學習環境搭建
- 環境搭建
- 第三章 機器學習之基礎算法
- 第一節:基礎知識
- 第二節:k近鄰算法
- 第三節:決策樹算法
- 第四節:樸素貝葉斯
- 第五節:邏輯斯蒂回歸
- 第六節:支持向量機
- 第四章 機器學習之深度學習算法
- 第一節: CNN
- 4.1.1 CNN介紹
- 4.1.2 CNN反向傳播
- 4.1.3 DNN實例
- 4.1.4 CNN實例
- 第五章 機器學習論文與實踐
- 第一節: 語義分割
- 5.1 FCN
- 5.1.1 FCN--------實現FCN16S
- 5.1.2 FCN--------優化FCN16S
- 5.2 DeepLab
- 5.2.1 DeepLabv2
- 第六章 機器學習在實際項目中的應用