深度学习、人工智能环境配置

深度学习编程前需要准备好环境，包，IDE，常用软件。
环境
可以直接安装anaconda，深度学习常用包tensorflow需要anaconda环境，anaconda内已包含python
创建深度学习环境所需的软件组件
1、在cmd窗口激活环境，通过pip install 包/conda install 包指令配置
2、tensorflow可以只装CPU版本，GPU版本要求较高，CPU的就够用

安装包或软件	介绍
Tensorflow	用于图形计算的开源python包，通常用于深度学习系统的开发
Keras /tiː/	为tensorflow提供高级接口的python包
TensorBoard	基于游览器的可视化神经网络统计结果的软件
Jupyter notebook	基于游览器和python session交互的软件
Pandas	分析数据和操纵数据的python包
scikit-learn	Scikit-learn是GitHub上最受欢迎的机器学习库之一
NumPy	高性能数值计算的python包

IDE
1、我们常常需要在IDE中编辑代码，注意下图中圈中的部分，注意要激活我们前面装的tensorflow环境
2、我是在vs19中，也可以用pycharm IDE

jupyter notebook
其实和IDE一样，但也有notebook的特点，可以编程，但会保留之前的编译结果，一个文件内可以编译多个程序且保留结果

tensorboard
1、可以神经网络结构可视化
2、在程序中实现网络可视化，只需要在加载网络之后，加上这一句：
summary_writer = tf.summary.FileWriter(’./log/’, sess.graph)

matplotlib.pyplot.imshow(a, interpolation="nearest")

一、cmd中指令
1、激活环境

activate tensorflow-cpu

2、查看tensorflow版本

conda list

3、查看conda版本

conda --version

4、查看环境

conda info --envs

5、可视化

C:\Users\hp>F:
tensorboard --logdir =F:\log\   

localhost:6006（游览器中输入网址）
6、jupyter notebook
直接输
7、cmd模式
win+R，cmd