AI开发工具及实战基础
1.开发环境
Python\Anaconda\Jupyter Notebook
(一)Python:是一种解释型的、面向对象的、移植性强的高级程序设计语言
解释性:不需要编译成二进制代码,可以直接从源代码运行。
面向对象:既支持面向过程的编程也支持面向对象的编程。
可移植性:由于它的开源本质,可在不同平台进行开发。
高层语言:无须考虑诸如如何管理程序使用的内存一类的底层细节。
优点:简单易学,开发效率高,高级语言,可移植性,可扩展性,可嵌入性。
缺点:速度慢,代码不能加密。
(二)Anaconda:是一个方便的Python包管理和环境管理软件
支持LINUX,MAC,WINDOWS,可以很方便解决多版本Python并存、切换以及各种第三方包安装问题。
特点:跨平台,同时实现包管理、环境管理的功能;使用方便、环境部署步骤简单。
(三)Jupyter Notebook:是一个开源的WEB应用程序,允许开发者方便的创建和共享代码文档。可以实时写代码、运行代码、查看结果并可视化数据。
特点:允许把代码写入独立的CELL中,然后单独执行。用户可以在测试项目时单独测试特定代码块,无需从头开始执行代码;基于WEB框架进行交互开发,非常方便
2.基础工具包
Panda\Numpy\Matplolib
Matplolib:画图工具包
Panda:强大的分析结构化数据的工具集,可用于快速实现数据导入、导出、索引。
Numpy:数组运算的工具包