Windows x86-64 executable installer
python-3.8.0-amd64.exe

建议使用virtualenv实现多个版本Python共存

使用镜像源很简单，用-i指定就行了：
sudo pip install -i https://pypi.douban.com/simple/ saltTesting
卸载 pip uninstall django

常用的参数有：

-p：指定一个版本python环境；通常当你的系统中安装了多个python版本时会用到；默认情况下virtualenv会优先选取它的宿主python环境，即它安装在那个python版本下就会默认选择哪个版本作为默认python隔离环境。--no-site-packages：不使用系统环境的python安装包，即隔离包中不能使用真实python环境的安装包；当前版本这个选项是默认的。--system-site-packages：与上面相反，使隔离环境能访问系统环境的python安装包--distribute：copy一个python环境的分支，默认会安装setup、pip、wheel等基础模块virtualenv test,使用该命令在指定的路径下创建Python环境，默认与系统环境一致。
如果想要进入该虚拟环境则要进入test/Scripts/文件夹下，运行activate.bat,在Linux下在bin目录下，运行命令为source xx/xx/activate退出命令为deactivate.bat指定其他Python环境virtualenv -p C:\Python27\python2.exe py2

快捷配置

基于virtualenv的虚拟环境管理工具
pip install virtualenvwrapper-win
安装完成后配置环境变量
把python的安装目录和scripts文件夹加到环境变量的path

做得多环境环境问题

python -m pip install --upgrade pip
pip install tf （ py2.py3 版本共存）

python3 -m pip install jupyter
python3 -m pip install np

来自TF am I 这本书

执行计算 OP 算子/节点 operation eg:add mul
运算节点 GPU分布式计算分发

0-d 3 5
1-d (100,)
2-d 256x256x3 w h c

Anaconda
Jupyter Notebook --ip=127.0.0.1

import numpy as np
import tensorflow as tf

TF Learn tf.contrib.learn 同 scikit-learn 的 fit函数
TF Slim tf.contrib.slim 轻量级浓缩高级接口版本定义/训练/评估复杂的网络结构模型

简单参考

keras 、
Tensorlayer
Theano Python 库,用来定义、优化和模拟数学表达式计算,用于高效的解决多维数组的计算问题
Computational Network Toolkit (CNTK) 是微软出品的开源深度学习工具包。

https://www.bilibili.com/video/BV1VA41137H2?p=1

一、简单概述

算法实现
项目怎么构建模型

深度学习 ----神经网络架构
重点核心
机器视觉卷积神经网络
自然语言处理递归神经网络
真实数据集
展开建模分析

二、Tensorflow2版本简介与心得

数学基础和开发能力不是很强可以利用框架
框架提供了各种API 可调用
我们要做设计网络模型
跟求解相关（反向传播求梯度）交给框架

框架选取
更新程度15年出 Google的
论文算法开源很实用

可以学习多个框架取长补短
二次开发熟悉底层好复现

session 初始化执行结果
简化建模过程

三、深度学习框架安装 Tensorflow2版本安装方法

https://www.anaconda.com/products/individual-b

安装 Anaconda 直接安装

如果出现问题就用这两种方法试一试

一、

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
pip config unset global.index-url镜像消除

阿里云 http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

豆瓣(douban) http://pypi.douban.com/simple/

清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

二、

pip install tensorflow==x.x.0
pip install tensorflow-gpu
pip.exe install tensorflow  -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

 https://tensorflow.google.cn/install/source_windows

 https://support.microsoft.com/zh-cn/help/2977003/the-latest-supported-visual-c-downloadscudart64 报错
https://www.dll-files.com/download/527365cb86fd76a9a7b7e9c75b4842d3/cudart64_110.dll.html?c=VTJuUXgvTENydDYzektxWENSbTZXUT09

https://pypi.org/project/tensorflow-gpu/

四、 TF 基础操作

函数 api 使用方法
边用边查

创建矩阵类型 x
tf.加法减法乘法除法

直接执行出结果动态图形式

构建一个 19 36 矩阵

张量 ----- 矩阵 -------Tensor
（机器学习所有的数据都是矩阵）

对矩阵做操作数学公式变换

So tensor flow = 矩阵在这个大框架流动

值
向量
矩阵

三维数据 eg H W C 三维颜色
多维数据视频多个图像融合在一起

… 等等

可以跟 numpy做交互

得到数组

numpy 创建计算
交互转换 2.0 特性

案例
数据处理流程
建模

----基于技术栈（框架）会用就行
基于算法（PPT，资料）网络模型建模流程

五深度学习要解决的问题

神经网络之前熟悉一下人工智能这个圈子

AI
计算机视觉自然语言处理数据挖掘 ML机器学习（DL深度学习）

DL深度学习神经网络

特征提取方法 √ 算法×

不是拼算法
数据层面 —》食材特征

拿到数据 --> 数据处理 —> 人为分析特征提取data 选择和组合
数据变换更有价值输入 ------------机器学习偏人工（各种任务实现了数学公式）

网络选择合适特征组合分解融合
---------深度学习

支持向量机逻辑回归随机森林调参数 —》逼近上限不是决定上限

文本图像？特征选择？？？？

X --》传统回归当中找特征??? 权重参数

特征对结果影响更难

神经网络黑盒子
原始数据进去后这种变换操作
自动特征提取 ---->计算机能识别的特征
自己学习

六深度学习应用领域

讲神经网络之前看应用场景

无人驾驶
小学奥数追击问题
检测识别

计算机视觉
自然语言处理用的比较多

传统数据挖掘任务用的不多

视觉输出卷模型
语言文本模型

识别人脸关键点 + 视觉变换

计算量大移动端支持不友好速度问题
逻辑回归随机森林参数撑死几十个

神经网络可以成百万上千万
可以自己取合适的特征

优化算法调参也比较慢

医学检测癌细胞
基因组合变异

人脸像素点计算
变脸 = 变点

超分辨率重构
上色

神经网络变形体特别多

深度学习崛起历史
2009 年
计算机视觉
手里面没有数据
全美数据集合
收集标记图像

人脸 68个点人脸的准确位置
图像分类库

imagenet 图像分类比赛

2012年 ALEX
深度学习神经网络完成

第二名集成算法

各大会议论文
比赛
文章
公司项目

数据生成
数值数据文本数据
图像

人脸标注

翻转镜面平移

数据量

#1

简介
TensorFlow
一个基于数据流编程（dataflow programming）的符号数学系统，
被广泛应用于各类机器学习（machine learning）算法的编程实现，
其前身是谷歌的神经网络算法库DistBelief。

Tensorflow拥有多层级结构，
可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，
被广泛应用于谷歌内部的产品开发和各领域的科学研究。

TensorFlow由谷歌人工智能团队谷歌大脑（Google Brain）开发和维护，拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口
（Application Programming Interface, API） [2] 。

自2015年11月9日起，
TensorFlow依据阿帕奇授权协议（Apache 2.0 open source license）开放源代码。

TensorFlow即可以支持CPU，也可以支持CPU+GPU。
前者的环境需求简单，后者需要额外的支持。

TensorFlow是基于VC++2015开发的，
所以需要下载安装VisualC++ Redistributable for Visual Studio 2015 来获取MSVCP140.DLL的支持。

下载并安装anaconda
下载并安装Python编译器，以3.7X为例。
如果要安装GPU版本（有N卡，即NVIDIA显卡），需要以下额外环境：

0）有支持CUDA计算能力3.0或更高版本的NVIDIAGPU卡。

1）下载安装CUDA Toolkit 8.0，并确保其路径添加到PATH环境变量里；

2）下载安装cuDNN v6或v6.1，并确保其路径添加到PATH环境变量里；

3）CUDA8.0相关的NVIDIA驱动。

1.检查Anaconda是否成功安装：conda --version

2.检测目前安装了哪些环境：conda info --envs

3.检查目前有哪些版本的python可以安装：
conda search --full-name python

4.安装不同版本的python：

 conda create --name tensorflow python=3.7

– 错误问题解决

下载地址 https://www.anaconda.com and https://mirrors.tuna.tsinghua.edu.cn/

https://www.anaconda.com/products/individual

人工智能应用

# 人工智能历史

# 认清 ML && DL#

# 选择方法训练模型#

正则化
回归
神经网络
聚类
决策树
深度学习
贝叶斯网络
维度下降
判断数据集样本 ----->选择方法 ---->训练模型

#数学基础 #

# AI ^ 深度学习ML ^ 机器学习DL 关联#

深度学习(Deep Learning)基础

线性模型

DNN深度神经网络

Caffe，全称Convolutional Architecture for Fast Feature Embedding
兼具表达性、速度和思维模块化的深度学习框架

theano

MXNet 是亚马逊（Amazon）选择的深度学习库

PyTorch是使用GPU和CPU优化的深度学习张量库 reasearch

caffe2 product

Deeplearning4j —java

Keras是一个由Python编写的开源人工神经网络库

python 接口

人工智能-深度学习Tensorflow2.0-python相关推荐

神经网络与深度学习——TensorFlow2.0实战(笔记)(二)(安装TensorFlow2.0)
创建环境并激活 conda create --name tensorflow2.0 python==3.7 activate tensorflow2.0 安装相关软件包(conda命令或pip命令2选 ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(二)(开发环境介绍)
开发环境介绍 Python3 1.结构清晰,简单易学 2.丰富的标准库 3.强大的的第三方生态系统 4.开源.开放体系 5.高可扩展性:胶水语言 6.高可扩展性:胶水语言 7.解释型语言,实现复杂算法 ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python模块、包和库)
模块(Module) 模块是一个python文件(.py),拥有多个功能相近的函数或类. 便于代码复用,提高编程效率,提高了代码的可维护性. 避免函数名和变量名冲突. 包(Package) 为了避免模 ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(三)(python运算符和表达式)
从程序中学习知识点 1.算术运算符 #运算符(Operator):完成不同类型的常量.变量之间的运算 #除法运算 / 结果是一个浮点型的精确数的值,与java等其他语言的不同之处 print(7/2, ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(三)(python常量、变量和表达式)
从程序中学习知识点 1. #支持6中表达形式数字字符串列表元组字典集合 #数字整型(正整数负整数零) #Python3中的整数可以任意大,而不用担心位数不够而导致溢出的情况 intn ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(五)(NumPy科学计算库＜2＞python)
数组元素的切片一维数组 #一维数组 #切片方法和Python序列数据结构的切片一样 a=np.array([0,1,2,3,4],dtype=np.int64)#占用新的内存 #不包括结束位置 pr ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python异常处理)
异常: 程序运行时的错误,对应一个Python对象. try: 语句块 except 异常1 as 错误原因: 出现异常1后的处理代码 except 异常2 as 错误原因: 出现异常2后的处理代码 ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(四)(python列表与元组)
序列数据结构 1.成员是有序排列的 2.每个元素的位置称为下标或索引 3.通过索引访问序列中的成员 4.Python中的序列数据类型有字符串.列表.元组 "abc" ≠ " ...
神经网络与深度学习——TensorFlow2.0实战(笔记)(三)(python输入和输出)
从程序中学习知识点 1. #输出函数可以输出字符串常量 print("hello") #输出数学表达式 print(1+2) #输出变量 print(num) 2. #string ...

人工智能-深度学习Tensorflow2.0-python

常用的参数有：

快捷配置

做得多环境环境问题

一、简单概述

二、Tensorflow2版本简介与心得

三、深度学习框架安装 Tensorflow2版本安装方法

四、 TF 基础操作

So tensor flow = 矩阵在这个大框架流动

五深度学习要解决的问题

六深度学习应用领域

#1

下载地址 https://www.anaconda.com and https://mirrors.tuna.tsinghua.edu.cn/

人工智能应用

# 人工智能历史

# 认清 ML && DL#

# 选择方法训练模型#

#数学基础 #

# AI ^ 深度学习ML ^ 机器学习DL 关联#

深度学习(Deep Learning)基础

python 接口

人工智能-深度学习Tensorflow2.0-python相关推荐

最新文章

热门文章

人工智能-深度学习Tensorflow2.0-python

常用的参数有：

快捷配置

做得多环境 环境问题

一、 简单 概述

二、Tensorflow2版本简介与心得

三、深度学习框架安装 Tensorflow2版本安装方法

四 、 TF 基础操作

So tensor flow = 矩阵 在 这个 大框架 流动

五 深度学习要解决的问题

六 深度学习应用领域

#1

下载地址 https://www.anaconda.com and https://mirrors.tuna.tsinghua.edu.cn/

人工智能 应用

# 人工智能 历史

# 认清 ML && DL#

# 选择方法 训练模型#

#数学基础 #

# AI ^ 深度学习ML ^ 机器学习DL 关联#

深度学习(Deep Learning)基础

python 接口

人工智能-深度学习Tensorflow2.0-python相关推荐

最新文章

热门文章

做得多环境环境问题

一、简单概述

四、 TF 基础操作

So tensor flow = 矩阵在这个大框架流动

五深度学习要解决的问题

六深度学习应用领域

人工智能应用

# 人工智能历史

# 选择方法训练模型#