环境搭建
在正式开始我们的深度学习开发之前, 我们需要先安装开发环境.
视频教程: 优酷
1. Python 3
安装conda
若已经安装过conda, 请略过这部分.
一种简单的方式是用miniconda来安装Python语言, 通过它可以方便的创建虚拟环境, 管理Python版本和各种库类等. 下面以Mac OS X系统为例, 先下载安装文件, 下载完成后执行脚本 (Windows用户可通过上面网站下载exe安装包进行安装):
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
bash Miniconda3-latest-MacOSX-x86_64.sh
安装完毕后根据提示需要重启terminal或者手动加载才能使用:
source ~/.bash_profile
验证安装:
conda -h
安装python3.6.5环境
创建虚拟环境并查看已经安装了的所有环境, 若已经创建过python 3.6.5的环境请略过:
conda create -n deeplearning python=3.6.5 matplotlib -y
conda-env list
进入到所创建的deeplearning环境开始使用
conda activate deeplearning
* 用conda deactivate
命令来结束使用环境.
2. 依赖
在开发中我们会用到各种库类依赖, 需要先把他们安装起来, 这里是在安装python能使用的依赖, 所以在进行这一步之前, 一定要先进入到我们的 deeplearning环境中, 否则下列安装不能在我们的环境中生效.
pip install scikit-image opencv-contrib-python numpy tensorflow==1.11.0 keras -i https://pypi.doubanio.com/simple/
在上面的命令中, 我们通过豆瓣的镜像源下载了scikit-image, opencv, numpy, tensorflow, keras这几个开发库. 不同的项目需要不同的库类, 根据需要安装即可
在深度学习开发中的常用库类:
- tensorflow
- keras
- numpy
- scikit-learn
- scikit-image
- opencv-contrib-python
- pillow
- pandas
- jupyter
- jupyterlab