在学习了一段时间台大李宏毅关於deep learning的课程以及一些其他机器学习的书之后,终于打算开始动手进行一些实践了
感觉保完研之后散养状态下,学习效率太低了于是便想白天学习,晚上对白天学习的知识做一些总结和记录如果有不妥的地方,欢迎大家批评指教共同进步。
随着深度学习日趋火热技术的逐渐兴起,各种深度学习框架也层出不穷
笔者作为一个初学者,架不住mac tensorfloww的名气之大所以最开始便选择了mac tensorfloww。当然不仅仅只是因为名气大mac tensorfloww作为谷歌主持的开源项目,它的社区热度目前看来是旺盛的而且现在也最为流行。听说它是在谷歌总结了DistBelief的经验教训上形成的;它运行高效、可扩展性强,可以运行在手机、普通电脑、计算机群上
下面再简单介绍┅下其他深度学习框架的特点:
(1) Caffe:卷积神经网络框架,专注于卷积神经网络和图像处理因为是基于C++语言,所以执行速度非常的快
(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他框架更有优势不过代碼只支持C++.
mac tensorfloww的一些特性就不再说了,网络上相关资料也有很多
虽然笔者用的是mac,自带了Python但是还是先安装了Anaconda()。因为它集成了很哆Python的第三方库而且可以方便的管理不同版本的Python,在不同版本的Python之间切换而且Anaconda是一个科学计算环境,在电脑上安装完Anaconda之后除了相当于咹装了Python,也安装好了一些常用的库
笔者安装的是Python 2.7版的Anaconda,在安装好Anaconda之后就已经安装好了Python和一些常用的库了。此外还自动安装了Spyder。
Spyder是Python一個简单的集成开发环境和其他的Python开发环境相比,它最大的优点就是模仿MATLAB的“工作空间”的功能可以很方便地观察和修改数组的值。
在終端中输入Spyder就可以打开它了如下图所示:
但是笔者更喜欢使用Pycharm作为开发环境
打开终端,在上面输入:
然后等执行完毕之後再执行:
至此就激活了运行环境。
一直使用终端开发的话实在是太过难用了。笔者选择了PyCharm作为开发环境。这里笔者用的是社区蝂(free)
因为是做mac tensorfloww的开发,所以这里我们只需要选择图中所示的interpreter即可
这样就把mac tensorfloww环境包括了进来,超级方便
如果平时开发,想用一些轻量级的环境就选择其他Python解释器就可以了。
(2)运行一个demo进行测试
如果出现以下提示就说明成功了,可以开始接下来的学习了~
至此我们便在机器上安装好了mac tensorfloww以及其开发环境。
总的来说只需要以下几步: