Python 深度学习 --- 开发环境搭建 -- 搭建深度学习框架
本帖最后由 asky533 于 2022-10-15 16:33 编辑深度学习开发环境搭建
前言
许多有了 python 语法基础的鱼友们可能会感到有一丝困惑：接下来我到底该学什么呢？
于是，我就搞了一个这种的深度学习学习笔记，希望能帮助到大家。
“工欲善其事，必先利其器”，要想学好 python 深度学习，就得准备开发工具并搭建好环境，目前最适合 python 深度学习的编辑器就是基于 web 开发的 Jupyter Notebook，深度学习框架目前使用的普遍是 Tensorflow、PyTorch、Keras 等。
提示：如果用不惯 Jupyter Notebook 编译器，也可以使用 PyCharm 社区版或者 Visual Studio Code (简称 VSCode ) 或者 Spyder 。
深度学习常用框架介绍 & 安装
在开始深度学习项目之前，选择适合的深度学习框架是非常重要滴，因为选择一个合适的深度学习框架很有可能起到事半功倍的效果。开发者们可以使用不同的框架帮助他们更好地编写代码。
全世界流行的深度学习框架有 PaddlePaddle 、Tensorflow 、Caffe 、 Theano 、Keras 和 Pytorch。
| Tensorflow 介绍与安装 |
Google 开源的 Tensorflow 是一款使用 C++ 语言编写的开源深度学习开发软件，使用数据流图 (Data Flow Graph) 的形式进行计算。
Tensorflow 是目前来说使用量最多，社区最庞大的一个深度学习框架，是深度学习框架中默认的头儿。
Tensorflow 安装：
Tensorflow 可以安装 CPU 版本，也可以安装 GPU 版本。
Tensorflow（ CPU 版本 ）：
step 1 首先确保 pip 的版本是最新版本，如果不是的话就在命令提示符窗口输入命令 python -m pip install -U pip 升级 pip 。
step 2 在命令提示符中输入 pip install tensorflow 进行下载安装，安装过程中可能有点儿慢，请耐心等待下载完成。
Tensorflow （ GPU 版本 ）：
安装 GPU 版本的 Tensorflow 时步骤有点儿多，但 GPU 版本的 Tensorflow 执行效率要比 CPU 版本的要快很多。
step 1 首先，在桌面上右击，如果能够找到 NVIDA 控制面板，才能进行下面的步骤。
step 2 确定计算机有 NIVDA 的独立显卡后，可以到 NVIDIA 官网 https://developer.nvidia.com/cuda-toolkit-archive 下载 CUDA
step 3 根据实际情况选择合适的版本，这里下载 CUDA10 的离线安装包，文件挺大的，一共 3 GB ，请大家耐心等待下载完成。
step 4 下载完成后双击打开 下载好的 .exe 软件开始安装，开始时一切默认就行。后半段安装时选择自定义，注意 Visual Studio Integration 、 Driver components 和 Other components 不要勾选。
step 5 然后我们需要安装 cuDNN ，下载地址为 https://developer.nvidia.com/rdp/cudnn-archive。
step 6 想要下载 cuDNN ，就得先注册英伟达开发者计划的会员账号。先注册会员账号。
step 7 成为会员之后下载 cuDNN 。cuDNN 就是一个压缩包，解压会生成 include 、lib 、bin 三个目录，将里面的文件分别复制到 CUDA 安装目录下对应的目录即可。
step 8 安装 Visual Studio 2015、2017 和 2019 支持库。下载地址为 https://docs.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist?view=msvc-160
step 9 安装完之后重启计算机，然后在命令提示符中输入 pip install tensorflow-gpu 进行安装，稍等亿下……
测试 Tensorflow 是否被安装：
无论是 CPU 版本的 TensorFlow 还是 GPU 版本的 Tensorflow ，都可以在 Jupyter Notebook 中输入以下代码进行测试：
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant("Hello,Tensorflow!")
sess = tf.compat.v1.Session()
h = sess.run(hello)
print(h.decode())
如果程序执行未报错，顺利输出 "Hello,Tensorflow" ，那么恭喜你，你的电脑上已经成功安装了 Tensorflow 模块！
| Pytorch 介绍与安装 |
Pytorch 的前身就是 Torch。Torch 是纽约大学的一个机器开源框架，以前，这个深度学习框架是使用一种 Lua 语言编写的。但现在，Facebook 人工智能研究院推出了 Pytorch 。
Pytorch 使用 python 重新编写了许多内容。不仅能够实现强大的 GPU 加速，而且还支持动态神经网络，这是像 Tensorflow 一类主流学习框架都不支持的功能特性。
Pytorch 安装：
Pytorch 和 Tensorflow 一样，既可以安装 CPU 版本，也可以安装 GPU 版本。
Pytorch （ CPU 版本 ）：
直接在命令提示符窗口输入 pip install torch 就行了，当出现 Successfully installed torch-x.x.x torchaudio-x.x.x torchvision-x.x.x 时就说明：安装成功了！
Pytorch （ GPU 版本 ）：
step 1 首先安装好 CUDA 和 cuDNN ，这里不作说明。
step 2 登录 Pytorch 官网 https://pytorch.org，单击 Install 按钮。
step 3 往下滚一点，在 START LOCALLY 的表格处选择合适的的版本，然后把 Run this Command 中的命令复制粘贴到命令提示符里面就可以安装了。
| Keras 介绍与安装 |
Keras 是一个比较简单的框架，严格意义上来说，它只是一个高度模块化的神经网络库。
Keras 的特点是能够快速实现模型的搭建，能够快速实现把想法转为结果。
Keras 的代码大概是 Tensorflow 的三分之一到五分之一。
Keras 安装比较简单，直接在命令提示符中输入 pip install keras 即可。
安装完毕之后在 Jupyter Notebook 中输入以下代码：
import tensorflow as tf
import keras
print(tf.__version__)
print(keras.__version__)
如果顺利地打印出了 Tensorflow 和 Keras 的版本号，那么恭喜你，成功下载了 Keras !!!
为什么不更新了？ Mike_python小 发表于 2023-1-12 19:03
为什么不更新了？
最近电脑被家长戒了，今天才放出来（只有5分钟）{:10_266:}
页:
[1]