深度学习笔记----Anaconda及开发环境搭建

在学习了一段时间台大李宏毅关于deep learning的课程，以及一些其余机器学习的书以后，终于打算开始动手进行一些实践了。

感受保完研以后散养状态下，学习效率过低了，因而便想白天学习，晚上对白天学习的知识作一些总结和记录，若是有不妥的地方，欢迎你们批评指教，共同进步。

1、深度学习框架的选择

随着深度学习日趋火热，技术的逐渐兴起，各类深度学习框架也层出不穷。

目前使用广泛的框架有Tensorflow、Caffe、PyTorch、Theano、CNTK等，那么在这么多框架中该如何选择呢？

笔者做为一个初学者，架不住Tensorflow的名气之大，因此最开始便选择了Tensorflow。固然不只仅只是由于名气大，Tensorflow做为谷歌主持的开源项目，它的社区热度目前看来是旺盛的，并且如今也最为流行。据说，它是在谷歌总结了DistBelief的经验教训上造成的；它运行高效、可扩展性强，能够运行在手机、普通电脑、计算机群上。

下面再简单介绍一下其余深度学习框架的特色：

（1） Caffe：卷积神经网络框架，专一于卷积神经网络和图像处理，由于是基于C++语言，因此执行速度很是的快。

（2） PyTorch：动态computation graph！！！（笔者学习Tensorflow一段后，便会转学PyTorch试试看）

（3） Theano：因其定义复杂模型很容易，在研究中比较流行。

（4） CNTK：微软开发的，微软称其在语音和图像识别方面比其余框架更有优点。不过代码只支持C++.

Tensorflow的一些特性就再也不说了，网络上相关资料也有不少。

下面就介绍一下Tensorflow的安装，笔者的安装顺序是首先安装Anaconda、而后安装Tensorflow、再安装Pycharm。

2、安装Anaconda

安装环境：

虽然笔者用的是mac，自带了Python，可是仍是先安装了Anaconda（点击进入官网）。由于它集成了不少Python的第三方库，并且能够方便的管理不一样版本的Python，在不一样版本的Python之间切换。并且Anaconda是一个科学计算环境，在电脑上安装完Anaconda以后，除了至关于安装了Python，也安装好了一些经常使用的库。

笔者安装的是Python 2.7版的Anaconda，在安装好Anaconda以后，就已经安装好了Python和一些经常使用的库了。此外，还自动安装了Spyder。

Spyder是Python一个简单的集成开发环境，和其余的Python开发环境相比，它最大的优势就是模仿MATLAB的“工做空间”的功能，能够很方便地观察和修改数组的值。

在终端中输入Spyder就能够打开它了，以下图所示：

可是笔者更喜欢使用Pycharm做为开发环境

3、创建、激活、安装Tensorflow

打开终端，在上面输入：

conda create -n tensorflow python=2.7

而后等执行完毕以后，再执行：

source activate tensorflow

至此就激活了运行环境。

而后再执行pip install tensorflow以进行Tensorflow的安装。

而后再执行如下Hello Tensorflow代码测试Tensorflow是否安装成

import tensorflow as tf
hello = tf.constant('Hello Tensorflow!')
sess = tf.Session()
print(sess.run(hello))

a = tf.constant(10)
b = tf.constant(32)
printf(sess.run(a+b))

若是正常的话会提示：

Hello Tensorflow!
    42

4、PyCharm IDE

一直使用终端开发的话，实在是太过难用了。笔者选择了PyCharm做为开发环境，官网连接。这里笔者用的是社区版（free）。

（1）首先新建一个Pycharm的工程

由于是作Tensorflow的开发，因此这里咱们只须要选择图中所示的interpreter便可。

~/anaconda2/envs/tensorflow/bin/python

这样就把Tensorflow环境包括了进来，超级方便。

若是平时开发，想用一些轻量级的环境，就选择其余Python解释器就能够了。

（2）运行一个demo进行测试

import tensorflow as tf
hello = tf.constant('Hello, Tensorflow!')
sess = tf.Session()
print(sess.run(hello))

a = tf.constant(66)
b = tf.constant(88)
print(sess.run(a + b))

若是出现如下提示，就说明成功了，能够开始接下来的学习了~

Hello, Tensorflow!
154

5、总结

至此，咱们便在机器上安装好了Tensorflow以及其开发环境。

总的来讲，只须要如下几步：

• 安装Anaconda
• 经过conda创建Tensorflow运行环境
• 激活Tensorflow运行环境
• 安装Pycharm IDE

 

出处：http://www.cnblogs.com/wolfray/p/7828903.html