在我的电脑上,搭建编程所需的各项环境html
一个涵盖了Python、pip以及经常使用Python包的软件,www.anaconda.com/download/,根据操做系统进行选择,并使用Python3对应的Anaconda版本编程
一个简洁清爽而高颜值的编辑器,www.sublimetext.com/,下载并安装Sublime Text 3json
也能够尝试其余对新手更友好的编辑器,例如PyCharm,www.jetbrains.com/pycharm/bash
运行代码的三种方法网络
能够用pip
或conda
安装Python包框架
pip install tensorflow keras
复制代码
若是安装过慢,能够尝试使用国内的源,例如清华提供的源编辑器
pip install tensorflow==1.9.0 keras==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
复制代码
Windows上的文件路径以左斜杠\
拼接函数
C:\Users\hlzhang\Desktop
复制代码
而Mac和Linux上的文件路径以右斜杠/
拼接工具
/Users/honlan/Desktop
复制代码
我习惯于后者,因此在后续代码中,若是使用字符串表示或拼接文件路径,则都是使用/
学习
若是在Windows上报错,请将/
相应地改成\
在Windows上读写文本文件时,最好指定编码为utf8
,尤为是在文件中包含中文时,由于这门课所涉及的文本文件都是utf8
编码
fr = open('xyj.txt', 'r', encoding='utf8')
复制代码
否则可能会出现相似如下编码错误
UnicodeDecodeError: 'gbk' codec can't decode byte 0x80 in position 2: illegal multibyte sequence 复制代码
TensorFlow和Keras都是很是流行的深度学习框架
TensorFlow提供了更加底层的API,比如木材和各类工具,本身DIY
Keras封装度更高,以Theano、TensorFlow等底层框架为backend
,比如造好的轮子
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
能够是Theano或TensorFlow,为了保持一致,将backend
改成TensorFlow
编辑如下文件,若是是Windows,则将$Home
改成%USERPROFILE%
$HOME/.keras/keras.json
复制代码
修改backend字段便可,改动始终有效
{
"image_data_format": "channels_last",
"epsilon": 1e-07,
"floatx": "float32",
"backend": "tensorflow"
}
复制代码
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
复制代码
关于backend
的更多内容,请参考如下文档,keras-cn.readthedocs.io/en/latest/b…
CNN等神经网络模型使用GPU训练更快,有条件的话能够用GPU,否则只能用CPU进行训练,相应地须要安装tensorflow的gpu版本
pip install tensorflow-gpu
复制代码
若是是Nvidia的GPU,那么还须要安装和配置CUDA和CuDNN,www.shushilvshe.com/data/dl-env…,而且须要注意tensorflow和CUDA、CuDNN之间的版本兼容问题
__MACOSX
和.DS_Store
是mac文件系统自动生成的,在其余操做系统下能够忽略,或者删掉
03课中,在Windows上读取包含中文的文本文件时,若是报UnicodeDecodeError
,记得在open
函数中指定编码open('xyj.txt', encoding='utf8')
13课中,所使用的中文维基分词语料下载连接为, pan.baidu.com/s/1qXKIPp6,提取密码为kade
18课中,在Windows上可能出现没法读取中文名称图片的状况,将图片名称修改为英文便可
29课中,main.py
19行的split若是报IndexError
,是由于Window使用左斜杠为路径分隔符,因此把/
改为\\
便可