第一课-人工智能环境和编译准备

一 本节课程介绍

1.1 知识点

1、实验使用python版本为python3.6.5；
2、Python环境配置；
3、常用的AI学习框架安装配置；
4、Pycharm编程工具准备；

二 课程内容

2.1 python环境配置

Python是一种代表简单主义思想的语言，在人工智能和大数据领域应用广泛。
其基本优点有：
（1）易于学习；（2）易于维护和理解；（3）应用广泛；（4）语法简洁；（5）第三方库丰富易用。

2.1.1 python下载

本课程主要使用的python版本为3.6.5，为了避免不同版本之间的更新造成的问题，建议读者安装统一版本。
官网下载地址为https://www.python.org/downloads/release/python-365/。

2.1.2 python环境安装

双击安装包后，全部勾选即可。

2.2 AI常用库的安装

Python中库的安装需要打开“cmd”控制台（使用win+R打开运行窗口，然后输入cmd回车即可），并使用pip安装。使用‘pip install 库’即可。出现successfully才算安装成功
这里需要安装的库如下
（a）numpy库的安装： cmd中输入 pip install numpy然后回车即可（注意空格）。
Numpy是应用Python进行科学计算时的基础模块。包括数学运算，逻辑运算，形状操作，排序，选择，I/O，离散傅里叶变换，基本线性代数，基本统计运算，随机模拟等等。

（b）matplotlib库的安装：cmd中输入 pip install matplotlib然后回车即可（注意空格）。
Matplotlib 是 Python的绘图库。它可与 NumPy一起使用,提供了一种有效的 MatLab开源替代方案。可用于绘制条形图、折线图等数据绘图。
（c）pytorch库的安装：cmd中输入 pip install torch然后回车即可（注意空格）。
Pytorch是torch的python版本，是由Facebook开源的神经网络框架。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。
（d）torchvision库的安装：cmd中输入 pip install torchvision然后回车即可（注意空格）。
torchvision 是PyTorch中专门用来处理图像的库
（e）tensorflow库的安装：cmd中输入 pip install tensorflow==1.14.0然后回车即可（注意空格）。
Tensorflow是广泛使用的实现机器学习以及其它涉及大量数学运算的算法库之一。Tensorflow由Google开发，是GitHub上最受欢迎的机器学习库之一。
（f）keras库的安装：cmd中输入 pip install keras==2.3.0然后回车即可（注意空格）
Keras是一个由Python编写的开源人工神经网络库，可以作为Tensorflow、Microsoft-CNTK和Theano的高阶应用程序接口，进行深度学习模型的设计、调试、评估、应用和可视化 。
（g）sklearn库的安装：cmd中输入 pip install sklearn然后回车即可（注意空格）。
Sklearn (全称 Scikit-Learn)是基于 Python语言的机器学习工具。它建立在 NumPy, SciPy, Pandas和 Matplotlib之上。可以快速实现机器学习算法。

2.3 pycharm编程工具安装使用

下载并安装好pycharm，双击打开安装包一直next即可。官网地址：https://www.jetbrains.com/pycharm/download/#section=windows

2.3.1pycharm环境配置

（1）打开pycharm，选择Create New Project。

（2）选择一个英文路径。并全勾选即可。

三 实验测试

3.1 python测试

首先打开pycharm，然后鼠标右键新建记事本txt，名字为test，将后缀改为py文件。双击打开py文件，即可自动在pycharm中打开python文件。
输入内容如下：

print(‘Hello World’)

测试是否可以正常输出。

3.2 三方库测试

首先打开pycharm，然后鼠标右键新建记事本txt，名字为test2，将后缀改为py文件。双击打开py文件，即可自动在pycharm中打开python文件。
输入内容如下：

import numpy as np#导入numpy库
a=np.array([1,2,3])#创建矩阵
print(a.sum(-1))#将每一行相加并打印输出

四 思考与作业

（1）实践
尝试安装更多第三方库，如jieba，request。尝试更复杂的框架安装tensorflow-gpu和torch的gpu版本以及cuda配置等等。