为了使0基础的学习者快速理解深度学习和运行相关代码,本文将介绍一套基于Python命令行的深度学习代码,详细说明所有主要安装配置步骤,以及如何运行重要程序。简洁明了地帮助学习者快速掌握Python,以及深度学习的基本概念,然后进一步掌握反向传播法、卷积神经网络等。
1 运行环境、代码和学习资料
操作系统运行环境: Win10 (Linux应该也可以)
Python环境:Anaconda3-2023.09-0-Windows-x86_64
必要的Python包: numpy matplotlib
深度学习代码:https://www.ituring.com.cn/book/1921
书本:《深度学习入门--基于Python的理论与实现》 作者斋藤康毅 ,可以在上述链接在线阅读
2 安装和部署
2.1安装Anaconda及配置虚拟环境
下载Anaconda3-2023.09-0-Windows-x86_64,并进行安装,确认Anaconda运行正常,站内参考文章很多,这里不详述。
只安装Python3.X也可以,但有可能需要手工安装必要的Python包
生成专门为本项目的虚拟环境(不建议使用base虚拟环境;如果已经有了虚拟环境,请跳过)
打开Anaconda Prompt,出现一个类似CMD的DOS窗口
Conda create -n DL_intro //DL_intro为虚拟环境名
Conda activate DL_intro //激活并进入这个虚拟环境
2.2 安装必要的Python包
确认必要的Python包--numpy matplotlib,已经可以使用
在Anaconda Prompt下,确认在DL_intro这个虚拟环境下
键入python
>>> import numpy
>>> import matplotlib
没有报错的话,说明安装成功
如果报错,提示缺失某个包,如matplotlib,按照提示,可以用下面命令安装
Conda install matplotlib
2.2 安装和了解学习代码
按照1中的深度学习代码下载地址,下载代码,并解压到d:\ai
可以看到:
为后续操作方便,建议将ai下中文目录改为DL_intro,查看源文件建议用记事本打开,可以看到中文注解。
在Anaconda Prompt下,进入d:\ai\DL_intro\ch01,运行:
python sin_graph.py
能够看到正弦曲线,说明配置正确。
3 开始学习,掌握深度学习及python代码
开始项目学习,全部用Anaconda Prompt下的命令行,便于理解深度学习概念和python。
参照2.2中图,
dataset,common目录是本项目要用到的内部Python包
ch01,ch02是关于python最基本代码
ch03目录展示Step,Sigmoid,Relu函数功能,并展示神经网络结构,运行与mnist有关的程序时,请保持上网,需要下载数据样本
ch04目录讲解神经网络的学习,学习算法的实现
ch05目录是关于误差反向传播法
ch06目录讨论一些学习技巧
ch07目录是关于卷积神经网络
ch08目录是关于深度学习
这里举例,运行ch08里train_deepnet.py
键入 python train_deepnet.py,可以看到:
所有程序都有Python源代码,运行正常,结合书本,可以简洁明快地掌握深度学习的基础知识!