机器学习与网络安全（二）开发环境创建

本次分享内容：开发环境的搭建、谷歌Tensorflow的部署、IDE的使用方法。

​​由于我们的课程是使用了深度学习技术，主要的开发过程会集中在数据处理这个环节上。这种开发任务需要我们多次频繁地执行某些小的语句块，例如训练过程需要不断地调参，对数据初始化并且进行重复地训练。

Tensorflow的安装

  为了避免安装部署过程中可能产生的问题，我们选择安装anaconda作为我们的开发库，使用anaconda中已经为我们安装好的anaconda作为开发环境，稍后会单独讲解anaconda。首先我们来下载一下anaconda，进入anaconda主页后，有三种系统的安装方式，包括Linux系统、macbook系统，我们本节课是使用windows作为主要的开发环境，所以我们就选择windows的形式。 它提供python3.6以及python2.7的两个版本的安装，这里版本倒不是很重要，大家可以任意选择，建议选择3.6版本。如果你是使用3.6版本，就可以在你的物理机上直接运行tensorflow，否则的话你是需要搭建建立一个虚拟的开发环境。

  anaconda是一个开源的python发行版本，它包含了大量的科学包，例如数学处理包numpy，可以处理一些矩阵的计算向量的计算以及数据的一些运算、方程式微分等。

   然后还有这一个，scipy是科学计算包，它里面包含了一些复杂的科学组建。这个包我们不会直接使用，但是它往往会作为其他底层的包会被调用，windows的用户在装scipy包的时候，通常使用我们python的命令来安装不成功。那是因为我们的windows7以及以后的版本没有提供相应的编译环境。下面这个站点，有一些基本的包会给我们下载。

如果自己装要跟你的python的版本相一致。

安装建议：路径选择——C盘ALL User

现在很多科学家比较喜欢用一个软件叫matplotlib，我们在这里几乎只用到它的一个小的子库叫plot。这个库主要是用来画图ÿ