笔者之前在学习TensorFlow，也在自己的笔记本上完成了安装，在PyCharm中进行学习。但是最近为了使用python的科学计算环境，我把之前的环境卸载了，并用Anaconda重新安装了TensorFlow，由于自己的笔记本已经很旧了，显卡不行，所以这里介绍一下cpu版本的安装方法和自己遇到的一些坑，截图甚多。
配置深度学习主机与环境（TensorFlow+1080Ti）： 01 概念介绍 Anaconda Anaconda（https://www.continuum.io/why-anaconda）是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的
什么是Anaconda anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。它是一个用python开发机器学习的必备工具。 什么是tensorflow 大名鼎鼎，相信不知道tensorflow的人应该不是很多，目前github上最火的项目之一。 TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorF
使用火狐浏览器，访问https://repo.anaconda.com/archive/，选择合适版本进行下载。
随后在cmd处通过import tensorflow，查看本机的CUDA以及cuDNN的适机版本：
PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。
1. 登录 NVIDIA 驱动下载 或打开链接 http://www.nvidia.com/Download/Find.aspx 。
Tensorflow是谷歌开源的深度学习框架，分为两个版本，GPU和CPU，主要的区别在于计算速度，GPU版本要比CPU计算速度更快，适用于处理大量复杂的数据，但需要计算机配置独立NVIDIA显卡。CPU版本没有显卡要求，安装更简单，合适新手小白和学生党，下面介绍CPU版本Tensorflow的详细安装步骤 系统环境：Windows10
最近在学习TensorFlow，比较烦人的是使用tensorflow.examples.tutorials.mnist.input_data读取数据
有时候，为了使用比较干净的开发环境，或者为了测试一些版本的扩展库，我们可能需要创建虚拟开发环境，在不同的虚拟开发环境中，只安装需要的扩展库，这样可以最大程度上减少不同扩展库之间的兼容性带来的冲突或其他问题。 Anaconda3目前已经成为Python社区人见人爱的一套软件，提供的Jupyter Notebook和Spyder更是让人无法拒绝的Python开发环境，尤其是数据分析和科学计算与可视化领域的科研人员和工程师，更是必备的IDE之一。 为了能够正常使用Anaconda3创建虚拟开发环境，首先最好保证在
本文介绍在Anaconda环境中，配置可以用GPU运行的Python新版tensorflow库的方法。
配置环境，研究了一整天，踩了很多坑，在网上找了很多资料，发现基本上都没非常明确的教程，所以今天想分享一下配置tensorflow GPU版本的经验，希望能让各位朋友少走些弯路。（PS：一切的前提，你需要有一张Nvidia显卡。我的显卡是 GT940MX）
使用KNN算法进行图像分类实验，最后算法评价的准确率（Precision）、召回率（Recall）和F值（F1-score）如图所示，其中平均准确率为0.64，平均召回率为0.55，平均F值为0.50，其结果不是非常理想。那么，如果采用CNN卷积神经网络进行分类，通过不断学习细节是否能提高准确度呢？
实验室新装了keras，发现keras默认后端是tensorflow，想换回theano，看了官方文档也没搞懂，最终搞定，很简单。
首先，本人在配置上花了好久的时间，踩了很多坑，为了方便大家，在这里说明一下在windows 10系统上，是如何配置tensorflow的环境的。
从本篇文章开始，作者正式开始讲解Python深度学习、神经网络及人工智能相关知识，希望您喜欢。
大多数互联网企业都提供有类似Notebook类的产品，采用交互式的方式进行数据分析、数据建模及数据可视化。主要实现大多都是基于jupyter 、Zeppelin进行定制化开发，重点会打通大数据计算、存储及底层资源管理，支持常见的机器学习和深度学习计算框架，算法分析及建模中最常见的是采用jupyter notebook，能够在浏览器中，通过编写python脚本 运行脚本，在脚本块下方展示运行结果。
《如何打开ipynb文件》文章摘要：本文介绍了如何打开.ipynb后缀的文件，并提供了两种方法。第一种方法是直接使用IPython Notebook打开，第二种方法是将.ipynb文件扔进Spyder中打开。使用IPython Notebook打开需要先安装IPython Notebook，而使用Spyder打开则需要先安装Anaconda。两种方法都可以在浏览器窗口上启动Notebook，方便进行交互编程和学习。
Pycharm： python编辑器，社区版本 Anaconda：开源的python发行版本（专注于数据分析的python版本），包含大量的科学包
一、安装Anaconda 1.下载 下载地址为：https://www.anaconda.com/download/#linux 2.安装anaconda，执行命令： bash ~/Downloads
Anaconda和Python相当于是汽车和发动机的关系，你安装Anaconda后，就像买了一台车，无需你自己安装发动机和其他零配件，而Python作为发动机提供Anaconda工作所需的内核。
本节笔记作为 Tensorflow 的 Hello World，用 MNIST 手写数字识别来探索 Tensorflow。笔记的内容来自 Tensorflow 中文社区和黄文坚的《Tensorflow 实战》，只作为自己复习总结。
读书的时候，很喜欢数学，然则，发现生活中很少用到稍微深点的数学知识，毕业后发现工作里真心也很少用到数学，因为算法都基本用不上。再也没有接触到数学。但是我知道数学给了我比较好的逻辑思维能力。最近开始学习机器学习里的深度学习，刚开始在慕课网上看了基本的机器学习概念，然后开始看吴恩达在斯坦福的教学视频，惊奇的发现他都是在推倒数学公式。然而有些数学知识我已经忘的差不多。机遇巧合之下，在部门的图书馆发现了一本深度学习的书，里面把深度学习里要用到的数学基础知识大概了讲了一遍。这一刻，我终于知道数学在实际中如何运用了，并
Anaconda介绍 Anaconda是python加强的一个全家桶套件，是目前最简单的方式来使用python进行机器学习和数据分析，它包含了250多个最流行的python科学计算包，并支持多种系统如windows，linux，mac，此外Anaconda最棒的一个特性就是使用conda来致力于简化包的管理和部署与pip命令的功能类似但更加强大。 Anaconda下载 Anaconda截止到目前最新的版本是基于Python3.6的Anaconda3 5.1.0，并分别提供了支持Python3.x和Pyhon
PyCharm 由著名软件开发公司 JetBrains 开发。在涉及人工智能和机器学习时，它被认为是最好的 Python IDE。最重要的是，Pycharm 合并了多个库（如 Matplotlib 和 Numpy），帮助开发者探索更多可用选项。
['我', '列表', '是', '这', '我', '列表', '是', '这']
Python是一种代表简单主义思想的语言。阅读一个良好的 Python 程序就感觉像是在读英语段落一样，尽管这个英语段落的语法要求非常严格。 Python最大的优点之一是具有伪代码的本质，它使我们在开发 Python 程序时，专注的是解决问题，而不是搞明白语言本身。
在安装tensorflow完成后，import tensorflow as tf出现问题，问题如下：
Anaconda3（内含Jupyter和Spyder）： Free Download | Anaconda
人生的得与失，成与败，繁华与落寞不过是过眼烟云。而永远陪伴我们一生，如影随形、不离不弃就是心情；如同呼吸，伴你一生的心情是你唯一不能被剥夺的财富
官网地址：Anaconda | The World's Most Popular Data Science Platform
本文介绍在Anaconda中，为一个具有老版本Python的虚拟环境更新Spyder软件版本的多种方法。
TensorFlow是Google推出的深度学习框架，也是使用最广泛的深度学习框架。目前最新的TensorFlow版本是2.1。可能有很多同学想跃跃欲试安装TensorFlow2，不过安装完才发现，TensorFlow2与TensorFlow1的差别非常大，基本上是不兼容的。也就是说，基于TensorFlow1的代码不能直接在TensorFlow2上运行，当然，一种方法是将基于TensorFlow1的代码转换为基于TensorFlow2的代码，尽管Google提供了转换工具，但并不保证能100%转换成功，可能会有一些瑕疵，而且转换完仍然需要进行测试，才能保证原来的代码在TensorFlow2上正确运行，不仅麻烦，而且非常费时费力。所以大多数同学会采用第二种方式：在机器上同时安装TensorFlow1和TensorFlow2。这样以来，运行以前的代码，就切换回TensorFlow1，想尝鲜TensorFlow2，再切换到TensorFlow2。那么具体如何做才能达到我们的目的呢？本文将详细讲解如何通过命令行的方式和PyCharm中安装多个Python环境来运行各个版本TensorFlow程序的方法。
本篇概览 本篇记录了自己在Ubuntu 16.04.7 LTS系统上搭建TensorFlow2开发环境的过程，用于将来重装时的参考 硬件是2018年购买的惠普暗隐精灵3代，显卡GTX1060，已经安装了Ubuntu16 LTS桌面版 执行本篇操作前需要安装Nvidia的驱动，详情请参考《Ubuntu16安装Nvidia驱动(GTX1060显卡)》 查看驱动信息，如下图，可见CUDA版本是10.1 版本匹配 去tensorflow官网查看版本匹配关系，地址：https://tensorflow.googl
每一种语言的开发环境都是包含了运行环境和开源包两个核心内容。比如Java，JDK是运行环境，而开发导入需要用到的各种第三方工具都是以开源包的形式导入的。再比如Python, python 3.6/ python 2.7是它的运行环境，而pynum,pandas这些数据处理工具就是也是开源包。 通常情况下，我们都是使用IDE在项目中统一管理运行环境和开源包。比如开发JavaWeb项目我们使用Myeclipse或者IntelliJ IDEA来管理项目的Java版本以及开源包。不过，当需要在同一机器上安装不同版本的软件包及其依赖，并能够在不同环境之间切换时，这样的管理方式就带来了很多不便。Conda的出现能够很好的解决这样的问题。Conda是一个开源的包和环境管理器，可以用于在同一机器上安装不同版本的软件及其依赖，并能够在不同的环境之间切换。
本课程用到的Python版本都是3.x。要有一定的Python基础，知道列表、字符串、函数等的用法。 Python爬虫、数据分析、网站开发等案例教程视频免费在线观看
2：运行下载好的Anaconda，执行命令：bash XXXXXXXXX（就是Anaconda文件的名字）
在上一篇文章《Python教程》— Windows操作系统快速安装Anaconda搭建Python3开发环境中，已经完成了Anaconda的安装，Python环境已成功搭建。本文将介绍Python编程实际开发中常用的几个开发工具。
本人Mac，但是不是nividna的显卡，所以装不了g pu版本的，虽然自己电脑也带g pu。
由于历史原因，python长期存在两个版本，python 2和python 3，而且存在兼容问题。虽然经过开发者不断的努力，普遍转向Python 3，但Python 2仍然像打不死的小强，顽强的存在着。比如大多数Linux发行版本，python 2依然是默认版本。再加上python社区非常活跃，各种python库也在不停的向前发展，不同版本python库之间不兼容的情况一直存在。有时开发者也很尴尬，比如发布了一个项目到github，会有读者过来问，为什么代码在我这儿出错？
最近导师安排了一个论文模型复现的工作，奈何硬件条件不够，只能到处搜罗免费的GPU资源，过上了白嫖百家GPU资源的日子，这时候刚好遇见了腾讯的GPU云服务器体验活动，可谓是久旱逢甘霖。作为一名零基础小白，现将自己使用GPU云服务器（以Windows系统为例）搭建自己的深度学习环境的过程记录下来，方便大家参考。
Anaconda 是一个免费开源的Python和R语言的发行版本，简化了包管理和部署，而且支持多个Python环境的隔离。强烈安利，下载地址为Anaconda[1]。推荐下载Python3.7 版本，毕竟Python2 20年就不再维护了哈。安装教程参见Anaconda安装教程[2]。
本文介绍在Anaconda中，为Python的虚拟环境安装第三方库与Spyder等配套软件的方法。
目录 1.0 Spyder的基本使用 （一）安装Anaconda: （二）Spyder的主题与文字修改： 1.默认主题： 2.修改主题： （三）Spyder的使用技巧： 1.？的使用： 2.%run + .py 3.魔术命令： （四）文件式编程 1.0 Spyder的基本使用 1.Spyder的主题与文字修改： 2.Spyder的使用技巧： （一）安装Anaconda: 官网下载：https://www.anaconda.com/distribution/#download-section
我将详细讲述在学Python初期的各种手忙脚乱的问题的解决，通过这些步骤的操作，让你的注意力集中在Python的语法上以及后面利用Python所解决的项目问题上。而我自己作为小白，很不幸的没有错过任何的坑，都跳了进去，所以在这里写下经验贴，一方面希望能给后来的学者能够高效的避开这些坑，另一方面也算是自己的总结与警告。
描述：在《#AIGC学习之路》专栏中，我们介绍了机器学习相关环境的搭建部署，本章将作为机器学习筑基期的最后一篇，主要介绍在工作站中进行 Anaconda 工具包环境安装实践，给初学者安装使用 Anaconda 做一个指引。
从官网下载Anaconda之后，安装，一切正常。打开Anaconda navigator在弹出窗口选择了更新（我怀疑这就根源！！！）小伙伴们第一次下载安装一定不要更新。 不要更新！！！不要更新！！！不要更新！！！
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
