【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（一~二）（概述和TensorFlow2.0和2.4和GPU环境的安装和使用）

第0讲 课程概述

1、机器学习是人工智能一个重要分支
2、深度学习是机器学习一个分支
3、深度学习可以简单理解为深层次的神经网络

参考文献

[1] 神经网络与深度学习——TensorFlow实践

第1讲 人工智能的起源

1.1 人工智能的诞生

1.2 人工智能的发

1.3 机智过人or技不如人r

人工智能无所不在

第2讲 TensorFlow2.0和2.4

2.1 开发环境介绍

python+Tensorflow2.0+Anaconda

TensorFlow2.0 2019.06发布

2.2 Anaconda的下载与安装

自己去看视频https://www.icourse163.org/learn/XUST-1206363802?tid=1464103450#/learn/content?type=detail&id=1242446386&cid=1265479341&replay=true

如果实在懒得看，可以看别人的文字安装教程，不过我记得anaconda安装是自带pyhton版本的，并且会默认把你已经安装的pyhton版本覆盖，如果你想保留两个，网上有教程，但是这不影响使用，如果你第一个python版本下没有什么程序使用，我是因为之前安装pycharm装的，懒得删，出问题踢我https://blog.csdn.net/wq_ocean_/article/details/103889237

2.3 Hello，World（两种模式）

1、Python可以使用两种模式运行：交互模式和脚本模式

2、使用交互模式：在命令行窗口逐行输入代码并运行

a、打开ANACONDA NAVIGATOR
b、环境管理页面（左边的enbironments ）
c、点击base(root) - open with python
进入python的交互编程模式
d、然后可以在 >>> 后输入python语句，可以执行python命令
每行代码，每行处理

e、退出使用quit()、exit()或者CTRL + Z

3、脚本模式：使用编辑器，将所有代码保存在python脚本文件中，统一运行。vs code

a、打开ANCONDA NAVIGATOR
b、通过主界面的工具栏，打开VSCode，在这里插句题外话，我下载的ANACONDA没有VSCode图标，解决方案请看2.4节。

c、打开VSCode资源管理菜单

d、点击添加文件夹，存放代码的文件夹，可以自己建一个

e、然后新建一个文件，叫做hello_world.py

f、然后就可以在该文件里编写python代码，之后使用CTRL+，必须保存不然不行

g、使用快捷键CTRL+~打开终端

h、在终端中使用python文件名的方式运行脚本文件

python hello_world.py

可以看到运行结果：

在脚本模式中只有有输出语句的才会有输出

2.3.5 关于ANACADA中没有VSCode图标的解决方案

需要先自行下载VSCode，有的话跳过下载，下载教程可以看下面这个链接（有VSCode中文配置）
https://blog.csdn.net/weixin_43883917/article/details/113867914

另：如果你下载失败或者嫌弃官网下载速度缓慢，你可以尝试点击该链接下载：https://wwx.lanzoui.com/i2AAkmyrrmh

下载了VSCode可以直接参考下面这个教程
https://blog.csdn.net/qq_45089446/article/details/115526746

2.4 使用JupyterNotebook

1、通过网页访问的Web应用程序，在网页中编写和执行程序。

便于程序的远程访问

屏蔽了不同系统间的显示差异，便于代码共享。

2、不仅可以编辑和运行程序

将程序和文档整合在同一个文档中

代码、图像、注释、公式、图形、运行结果

代码保持在编辑器中的格式，且可以运行

能够以网页或幻灯片的形式分享。

3、实战演练

a、打开JupyterNoterbook，自当跳转到浏览器当中，并且打开默认目录，初次安装会跳转到C盘默认目录下，这种默认设置使用起来非常不方便。

b、在使用JupyterNoterbook之前，对其默认目录进行修改
（1）打开终端
（2）在终端中使用JupyterNoterbook命令，初次使用生成其配置文件，也可以找到其配置文件的路径

jupyter notebook --generate-config

（3）根据提示找到配置文件的路径，并找到文件，然后使用VSCode打开文件


（4）搜索包含dir的一个键值字符串

（5）取消注释，将其更改为你希望的一个目录，指定的路径必须包含有对应的文件夹，文件是自己创建的

然后验证：在所使用环境下中使用命令，出现如下就表示成功

（6）接下来返回Anaconda打开jupyternotebook，会看到一个新的网页（没有自带的各种包了）
（7）新建一个文件

（8）使用
CTRL+ENTER是运行
可以插入其他语法
（9）推荐一些jupyter的使用教程
环境配置
史上最详细、最完全的jupyter notebook使用教程，Python使用者必备！——ipython系列之三

使用教程
Jupyter Notebook 教程（入门与进阶

2.5 包管理和环境管理

1、包管理
a、安装、更新、卸载工具包
b、安装时能自动安装相应的依赖包

2、环境管理
a、在同一台机器上创建几个相互独立的python开发环境
b、隔离不同项目所需的不同版本的工具包
c、防止版本的冲突

3、包管理

a、在anaconda中使用conda命令进行python包管理。

conda安装包的语法为

conda install <package_names>

package_names必须是一个完整的包的名称，或者是多个完整包的名称。

conda卸载包的语法为

conda remove <package_names>

conda更新包的语法为

conda update <package_names>

记不清包的名称，使用模糊查询

conda search <text>

text是包含名称所有或者部分字符的字符串

也可以使用自带的pip工具进行包的管理，和conda不冲突，可以相互补充

pip安装包的语法为

pip install <package_names>

pip卸载包的语法为

pip uninstall <package_names>

4、conda环境管理

创建环境的语法为

conda create --name <env_name><package_names>

激活语法的环境为

activate <env_name>

推出环境的语法为

deactivate

删除环境的语法为

conda remove --name <env_name> --all

查看当前已经创建环境的基本信息

conda env list

2.6 安装TensorFlow2.0

1、创建独立环境并激活

2、可视化安装
a、打开anaconda，切换到环境管理页面

当前只有一个base环境，这是anaconda默认的环境
b、可视化创建tensorflow2.0的独立的python环境
c、首先修改下载源
清华大学镜像源使用帮助https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
如果不会，下面2.4.0中有教

注：由于更新过快难以同步，我们不同步pytorch-nightly, pytorch-nightly-cpu, ignite-nightly这三个包。
d、在cmd中运行

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

e、打开anaconda，执行下面操作，然后耐心等待

下载好之后是这个样子

f、然后打开该命令行窗口
使用PPT上提供的命令安装相应的命令行模块包

pip install numpy matplotlib Pillow scikit-learn pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

g、安装完成后，使用pip安装命令安装tensorflow2.0 -beta版本

pip install tensorflow==2.0.0-beta -i https://pypi.tuna.tsinghua.edu.cn/simple

2.6# 安装tensorflow2.4，我最终还是2.0

前提：安装anaconda2021.05版本 ，安装包可以去清华镜像网站自行下载ananconda清华镜像网站

其自带的python版本是

1、使用命令行安装tensorflow2.4的步骤为
推荐第二部使用pip安装

1、使用anaconda用户界面安装
首先更改下载源，参考清华大学开源软件镜像站https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
2、在cmd中执行

conda config --set show_channel_urls yes

然后用记事本打开创建的文件，该文件在当前目录下可以找到，
将给出的代码复制到该文加下，保存

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

然后回到anaconda环境管理界面，清理缓存教程没有执行，如果下载的慢再来执行

// 这是网址在视频录制中的做法，但是当我学习的时候已经变成了上述，所以这里在上述方法不可行时，我执行了视频中的方法，可行，记录了下来
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

即可添加 Anaconda Python 免费仓库。

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

运行 conda install numpy 测试一下吧。
3、点击create创建，按照步骤执行

等到下方的滚动条消失就是环境创建完成

4、然后在该环境下，代开命令行窗口，接下来的操作就和命令行安装的2-3步骤一样
a、安装相应的python软件包

pip install numpy matplotlib Pillow scikit-learn pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

b、然后使用pip安装Tensorflow2.4

pip install tensorflow==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

c、进入python模式，运行

import tensorflow

2.7 安装tensorflow-gpu=2.0.0

和上面一样重新创建一个环境，，从安装2.0的f步（把第f步换成下面的）开始按照下面执行，然后下载python包，只不过下载指令换成了

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.0.0-alpha0

我不知道-alpha0干嘛的，但是参考的人家的就直接用了， 后面不行卸载再装

然后检验
接着输入python 进入python
先输入

import tensorflow as tf 

这个可以检测tensorflow安装好了没
再输入

tf.test.is_built_with_cuda() 

这个用来检测cuda 返回true或者false

tf.test.is_gpu_available() 

这个用来检测gpu 返回true或者false
如果两个都是true 那么gpu就安装好了
输入

tf.__version__

输出tensorflow版本号2.0.0
在输入

tf.test.is_gpu_available()

返回值为True，则安装正确