俗话说工欲善其事必先利其器,作为一名即将跨入人工智能行业的萌新,给电脑安上TensorFlow是必不可少的。来来回回出现各种问题折腾了一天终于搞好了,所以写个帖子记录一下,以防换新机时再浪费大量的时间在这种事情上,同时也分享给大家参考。
放在最前面大家要注意的一点是,安装下面一些软件,在安装的时候有的安装界面有打钩的选项,记得勾上"add...PATH"这种的。以免之后还要去配置环境变量里面手动添加。
1. 安装anaconda
1. 下载安装anaconda,附链接
Anaconda | Individual Editionwww.anaconda.com/products/individual#Downloads编辑
2. 如我本人是win10系统64位,点击红色方框部分即可下载。
3. 安装完成后如何判断是否安装成功?
①win+r打开运行对话框,在对话框中输入cmd命令提升符;
②在弹出的dos窗口输入conda回车,若如下图表示成功。
2. 安装pycharm
1. 下载安装pycharm,附链接
2. 这里同样是win10系统64位,可以根据系统选择Linux或MacOS版;
3. 特别注意的一点是,这里选择右边的社区版(免费)。
3. 创建虚拟环境
1. 为什么要有虚拟环境?
因为在开发的时候会有多个项目同时进行,这难免会导致冲突,这是就需要为不同的项目建立不同的虚拟环境(python开发环境包括解释器和工具包)。
2. 具体步骤如下
①win+r打开运行对话框,输入cmd回车,然后会弹出dos窗口,利用下图的一些conda的命令进行操作;
②利用conda create --name tf_2.3 python=3.8 命令回车创建虚拟环境,其中代码里面tf_2.3是环境名,可以自己命名;后面的python版本根据自己需求自行选择;
③这个时候你已经创建了一个虚拟环境,可以利用conda env list命令回车来查看你的虚拟环境列表,此时你应该可以看到两个,一个是base,一个是tf_2.3(自命名);
4. 安装tensorflow-gpu
- 在上一步的基础上利用activate tf_2.3命令回车进入虚拟环境tf_2.3,进入的目的是你可以开始操纵它了;
- 然后就可以安装tensorflow-gpu(注意是gpu版,如果不带_gpu,则默认的是cpu版,这将导致你无法使用GPU的强大算力)。命令代码是conda install tensorflow-gpu=2.3,等号后面的是版本号,自行选择
- 测试tensorflow,接着输入python,回车,你可以看到你当前虚拟环境的python版本;之后再输入from tensorflow.python.client import device_lib回车;接着输入print(device_lib.list_local_devices())回车。如下图。如果检查到两个设备,一个CPU,一个GPU就代表你成功了。
5. 连接到pycharm
- 打开之前安装好的pycharm,新建已经项目,地址就填你自己想放的位置。之后你进入到pycharm的主界面,如下图;
2. 之后按下图操作,可以完成虚拟环境的切换。其中第三步是选择你需要切换的虚拟环境,这里我们选择刚刚创建的tf_2.3虚拟环境
3. 之后我们回到pycharm主界面,按下图建一个文件,准备写测试代码;
4. 建好之后,按下图执行下面两行代码,
①from tensorflow.python.client import device_lib
②print(device_lib.list_local_devices())
若执行结果如图,那么恭喜你,你已经成功了。
安装配置好TensorFlow,便可以开始你踏入人工智能行业的第一步,接下来你就可以了解到它的强大之处,更好的帮你在人工智能这条道路上,越走越远。
在线教程
- 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
- 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
- EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
- 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中,你将会学习到让机器人执行一系列动作所需要的基本算法。
- 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法,包括:概率推算,计划和搜索,本地化,跟踪和控制,全部都是围绕有关机器人设计。
- 机器学习 – 有指导和无指导情况下的基本机器学习算法
- 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
- 斯坦福统计学习
有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
人工智能书籍
- OpenCV(中文版).(布拉德斯基等)
- OpenCV+3计算机视觉++Python语言实现+第二版
- OpenCV3编程入门 毛星云编著
- 数字图像处理_第三版
- 人工智能:一种现代的方法
- 深度学习面试宝典
- 深度学习之PyTorch物体检测实战
- 吴恩达DeepLearning.ai中文版笔记
- 计算机视觉中的多视图几何
- PyTorch-官方推荐教程-英文版
- 《神经网络与深度学习》(邱锡鹏-20191121)
- …
第一阶段:零基础入门(3-6个月)
新手应首先通过少而精的学习,看到全景图,建立大局观。 通过完成小实验,建立信心,才能避免“从入门到放弃”的尴尬。因此,第一阶段只推荐4本最必要的书(而且这些书到了第二、三阶段也能继续用),入门以后,在后续学习中再“哪里不会补哪里”即可。
第二阶段:基础进阶(3-6个月)
熟读《机器学习算法的数学解析与Python实现》并动手实践后,你已经对机器学习有了基本的了解,不再是小白了。这时可以开始触类旁通,学习热门技术,加强实践水平。在深入学习的同时,也可以探索自己感兴趣的方向,为求职面试打好基础。
第三阶段:工作应用
这一阶段你已经不再需要引导,只需要一些推荐书目。如果你从入门时就确认了未来的工作方向,可以在第二阶段就提前阅读相关入门书籍(对应“商业落地五大方向”中的前两本),然后再“哪里不会补哪里”。
有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓