我的深度学习工作环境
向读者介绍我的工作环境,包括使用的电脑、各种配置、安装的软件、使用的语言等。文章的目的是大而全,因此工具一般只是简单的介绍,更多内容我一般都会推荐几个链接,想要深度了解的读者可以打开相关链接。
操作系统
我使用的是2016年的Mac Pro笔记本,配置如下图。


写作工具MWeb
这是一个比较好用的markdown写作软件,用于日常写作,写完后发布在知乎。官方说法是“专业的Markdown写作、记笔记、静态博客生成软件”。
苹果商店下载

数据科学管理工具Anaconda
Anaconda是免费的、易于安装的、专门为数据科学开发用于管理环境和packages的工具。通过安装Anaconda,我们就可以方便的安装和管理python和jupyter notebook这两个超级实用工具。
Anaconda可以在Windows, macOS或者Linux等平台使用。包含了Python, Jupyter Notebook和其他常用的科学计算和数据科学库。

下载和安装非常简单,读者可以在官网下载安装。
编程语言Python
从官网安装Python或通过Conda安装Python,我推荐后者,上面说了,实用Anoconda因为易于管理。

创建环境的话命令如下$ conda create -n env_name list of packages其中env_name是你要创建的环境的名称,list of packages是你要随着环境一起安装的包。例如,如果我们想创建一个名字是python3的环境,安装python>3版本的话,打开终端,执行下面的命令:
进入你的环境
$ conda create -n python3 python=3
离开环境
$ source activate python3
保存环境
$ source deactivate
实验工具Jupyter Notebook
jupyter notebook可以方便的将代码、文本和可视化结合在一起,笔者认为是实验数学科学的不二之选。当然你也可以从官网下载。
如果你按照上面的步骤安装了Anaconda,那么恭喜你,你已经在默认环境安装好了Jupyter Notebook。
如果你想要使用指定版本python的工作环境,例如我们在上一步创建了python3工作环境,那么你还需要进入该环境并安装jupyter notebook:
conda create -n py python=3.3
小技巧:安装成功后,执行conda install nb_conda安装环境管理插件,可以非常方便的管理环境的安装包。
打开Jupyter Notebook的方式很简单,首先通过终端进入你的工作文件夹,然后执行:
$ jupyter notebook
如果安装成功,那么在首页的右侧点击new,下拉菜单中应该能够看见所有的安装好的环境。

云盘工具
百度网盘,使用的原因很简单,本地空间不够用!也为了数据资料的安全备份。
建议官网下载安装。

不多介绍了,使用很简单。
代码版本管理工具GitHub
非常重要的工具,用于管理代码版本,一般我会把各种代码开源到这里,也欢迎大家关注我的github:https://github.com/freefrog1986?tab=repositories

Numpy
读者可以打开jupyter notebook新建一个notebook,直接导入Numpy成功,说明Numpy已经默认安装好了。

Numpy是Python最好用的科学计算库,具体使用可以看我专栏的文章
Pandas
Pandas是python的一个功能非常强大的数据分析库,同样jupyter notebook已经安装好。
机器学习库scikit-learn

可以通过import sklearn as sk引用:
深度学习库tensorflow
如果读者直接在jupyter notebook使用tensorflow的话会无法调用,因为我们还没有安装该包。如何在jupyter notebook安装该包,很简单,如果你在安装jupyter notebook时也安装了小技巧中的插件:
小技巧:安装成功后,执行conda install nb_conda安装环境管理插件,可以非常方便的管理环境的安装包。
那么可以在jupyter notebook的初始页面选择Conda标签页,搜索tensorflow后点击旁边的向右的箭头安装。
小技巧:安装成功后,执行conda install nb_conda安装环境管理插件,可以非常方便的管理环境的安装包。

读者也可以进入对应的环境后安装,例如我想在python3环境安装tensorflow,执行下面的命令:
$ source activate python3
$ conda install package_name
深度学习库keras
Keras 是一个high-level的神经网络API, 使用Python编写可以运行在TensorFlow, CNTK, 或Theano等框架下. 优点是简单快速. 能够实现”从想法到结果“的快速实验。

我们同样可以使用conda在指定的环境安装keras,这里以我们前面创建的python3环境为例:
$ source activate python3
$ conda install keras
未完待续...