0基础学习深度学习和Python

        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！