深度學習筆記----Anaconda及開發環境搭建

在學習了一段時間臺大李宏毅關於deep learning的課程，以及一些其餘機器學習的書以後，終於打算開始動手進行一些實踐了。

感受保完研以後散養狀態下，學習效率過低了，因而便想白天學習，晚上對白天學習的知識作一些總結和記錄，若是有不妥的地方，歡迎你們批評指教，共同進步。

1、深度學習框架的選擇

隨着深度學習日趨火熱，技術的逐漸興起，各類深度學習框架也層出不窮。

目前使用廣泛的框架有Tensorflow、Caffe、PyTorch、Theano、CNTK等，那麼在這麼多框架中該如何選擇呢？

筆者做爲一個初學者，架不住Tensorflow的名氣之大，因此最開始便選擇了Tensorflow。固然不只僅只是由於名氣大，Tensorflow做爲谷歌主持的開源項目，它的社區熱度目前看來是旺盛的，並且如今也最爲流行。據說，它是在谷歌總結了DistBelief的經驗教訓上造成的；它運行高效、可擴展性強，能夠運行在手機、普通電腦、計算機羣上。

下面再簡單介紹一下其餘深度學習框架的特色：

（1） Caffe：卷積神經網絡框架，專一於卷積神經網絡和圖像處理，由於是基於C++語言，因此執行速度很是的快。

（2） PyTorch：動態computation graph！！！（筆者學習Tensorflow一段後，便會轉學PyTorch試試看）

（3） Theano：因其定義複雜模型很容易，在研究中比較流行。

（4） CNTK：微軟開發的，微軟稱其在語音和圖像識別方面比其餘框架更有優點。不過代碼只支持C++.

Tensorflow的一些特性就再也不說了，網絡上相關資料也有不少。

下面就介紹一下Tensorflow的安裝，筆者的安裝順序是首先安裝Anaconda、而後安裝Tensorflow、再安裝Pycharm。

2、安裝Anaconda

安裝環境：

雖然筆者用的是mac，自帶了Python，可是仍是先安裝了Anaconda（點擊進入官網）。由於它集成了不少Python的第三方庫，並且能夠方便的管理不一樣版本的Python，在不一樣版本的Python之間切換。並且Anaconda是一個科學計算環境，在電腦上安裝完Anaconda以後，除了至關於安裝了Python，也安裝好了一些經常使用的庫。

筆者安裝的是Python 2.7版的Anaconda，在安裝好Anaconda以後，就已經安裝好了Python和一些經常使用的庫了。此外，還自動安裝了Spyder。

Spyder是Python一個簡單的集成開發環境，和其餘的Python開發環境相比，它最大的優勢就是模仿MATLAB的「工做空間」的功能，能夠很方便地觀察和修改數組的值。

在終端中輸入Spyder就能夠打開它了，以下圖所示：

可是筆者更喜歡使用Pycharm做爲開發環境

3、創建、激活、安裝Tensorflow

打開終端，在上面輸入：

conda create -n tensorflow python=2.7

而後等執行完畢以後，再執行：

source activate tensorflow

至此就激活了運行環境。

而後再執行pip install tensorflow以進行Tensorflow的安裝。

而後再執行如下Hello Tensorflow代碼測試Tensorflow是否安裝成

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))

若是正常的話會提示：

Hello Tensorflow!
    42

4、PyCharm IDE

一直使用終端開發的話，實在是太過難用了。筆者選擇了PyCharm做爲開發環境，官網連接。這裏筆者用的是社區版（free）。

（1）首先新建一個Pycharm的工程

由於是作Tensorflow的開發，因此這裏咱們只須要選擇圖中所示的interpreter便可。

~/anaconda2/envs/tensorflow/bin/python

這樣就把Tensorflow環境包括了進來，超級方便。

若是平時開發，想用一些輕量級的環境，就選擇其餘Python解釋器就能夠了。

（2）運行一個demo進行測試

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))

若是出現如下提示，就說明成功了，能夠開始接下來的學習了~

Hello, Tensorflow!
154

5、總結

至此，咱們便在機器上安裝好了Tensorflow以及其開發環境。

總的來講，只須要如下幾步：

• 安裝Anaconda
• 經過conda創建Tensorflow運行環境
• 激活Tensorflow運行環境
• 安裝Pycharm IDE

 

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