# 开发环境搭建
## Python安装
### 简介：
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。 因为包含了大量的科学包，和可以把不同的python环境隔离开所以我们选择Anaconda去
### 下载地址：
https://www.anaconda.com/download/ 下载自己对应的版本，500M左右如果下载速度慢可以移步国内镜像[https://pan.baidu.com/s/1GtuVZx90dc3eS6TBM3f3Xw](https://pan.baidu.com/s/1GtuVZx90dc3eS6TBM3f3Xw)，选择自己电脑匹配的版本。
### 安装过程：
我电脑的是windows7，下载下来直接就是.exe所以双击运行就行。
* 安装的时候把第二个框选上（第一个框把该软件添加到环境变量中，第二个是注册Anoconda自带的Python为系统的Python）
:-: 
* 点击开始选择Anaconda Prompt
:-: 
* 输入python如果出现下面的界面表示安装成功了。可以看到Anaconda给我们默认安装了python3.6.5版本。
:-: 
### 解释Anoconda安装下来的东西
* 安装成功后你也就安装了好多软件在windows7你在点击开始找到Anoconda将看到
如下图：
:-: 
* 我就带领大家一探究竟：
先来说明Anoconda Navigator和Anoconda Prompt是什么？
其实这两个是相同的东西，一个是命令行窗口，一个是GUI。他们一个是命令行窗口，一个是GUI程序界面。conda是一个包管理工具。我们可以在Anoconda Prompt中输入conda看看什么效果。(是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。下面我们会说明它的这种功能。Anoconda Navigator的作用与Anoconda Prompt相同所以我们下面不再对Anoconda Navigator做介绍。因为我喜欢用命令行工具，速度快)
:-: 
* 知道了Anoconda Navigator和Anoconda Prompt是什么了，下面我们就看看他能做些什么：
首先我们在Anoconda Prompt里输入`conda info --envs`,你将看到下面你的系统里面有几个python编程环境，并且环境是相互独立的，你可以在两个环境下有不同的python版本和不同的安装包，IDE工具等等
:-: 
我们可以看到Anaconda会默认安装base环境。
* 输入命令`conda activate` 环境名来进入一个环境，`deactivate`，退出该环境
* 我们可以看看base环境中都有哪些包和程序，进入输入Anaconda Prompt默认会进去base环境然后输入`conda list`你将看到该环境下所有安装的包和软件
:-: 
* 你可以用`conda install 包名字`，来安装所需要的包。你可以看看base环境中还安装了pip的程序，该程序是python的包管理工具。你可以网上搜一下conda和pip的区别。
* jupyter Notebook 是一个小型网站，你可以在上面写python程序实时运行还可以写技术文档。
* spyder是一个编辑器。感觉不是很好用所以我们选中pycharm
**至此Anoconda安装和解释完毕**。
最后提供一个conda学习连接：https://conda.io/docs/user-guide/getting-started.html
## Pycharm的安装
安装网址：https://www.jetbrains.com/pycharm/download/#section=windows
选择下面Community版本下载安装，点下一步就行。
:-: 
## 机器学习环境搭建
我们决定专门建立一个机器学习的machinelearning环境。
首先打开Anoconda Prompt，进入base环境。
然后输入conda create --name machinelearning
:-: 
我们看看该环境下有什么包，输入conda activate machinelearning进入该环境，然后再输入conda list会看到，没有什么包。
:-: 
下面我们安装机器学习所需要的包。
* 首先安装python
在上面的界面中输入conda install python=3.6.5 conda会问你需不需要安装所依赖的包呢我们选择y。然后我们就静静等待安装完成吧，会很快。
:-: 
* 然后我们输入python看是否安装成功。如果进入到Python的交互环境证明安装成功。
:-: 
* 然后我们可以用pip安装机器学习所使用到的包也可以用conda。如果你上面安装python的时候没有输入y你就没有安装pip程序，这一点要注意。
输入：
~~~
conda install numpy
conda install scipy
~~~
* 安装 Scikit-learn输入
~~~
conda install scikit-learn
~~~
* 测试安装是否成功：先输入python进入python交互界面，然后输入下面代码
~~~
>>> from sklearn import svm
>>> X = [[0, 0], [1, 1]]
>>> y = [0, 1]
>>> clf = svm.SVC()
>>> clf.fit(X, y)
>>> >>> clf.predict([[2., 2.]])
array([1])
~~~
出现这个结果就证明成功了。
:-: 
## 深度学习环境安装
### Tensorflow简介：
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，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
### 安装Tensorflow
* 首先打开Anoconda Prompt创建一个名字叫tensorflow环境（你可以叫任何名字，最好是一眼能看出该环境主要做什么项目）`conda create --name tensorflow python=3.6.5,`可以直接指定该环境的python版本
* 进入该环境conda activate tensorflow
* 直接输入命令`pip install --upgrade --ignore-installed tensorflow`安装（pip是安装python时python自带的包管理器）
* 如果pip安装不成功可以参考https://github.com/conda-forge/tensorflow-feedstock
用conda安装。（最好用pip安装）
<blockquote>这里没有介绍GPU版本的安装方法，GPU版本需要安装cuda8+cudnn5，如需要的请搜索其他博文</blockquote>
* **检查是否安装成功**：
1. 输入`conda activate tensorflow `进入该环境
2. 输入`python`进入python交互环境：
3. 然后输入下面的代码：
<pre><code class="python"># python code
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
</code></pre>
4.如果出现下面界面表示成功：
> 特别注意：以上是使用命令行工具来安装的，如果你不习惯也可以使用GUI去安装。方法类似。
- 序言
- 第一章 机器学习概述
- 第二章 机器学习环境搭建
- 环境搭建
- 第三章 机器学习之基础算法
- 第一节：基础知识
- 第二节：k近邻算法
- 第三节：决策树算法
- 第四节：朴素贝叶斯
- 第五节：逻辑斯蒂回归
- 第六节：支持向量机
- 第四章 机器学习之深度学习算法
- 第一节： CNN
- 4.1.1 CNN介绍
- 4.1.2 CNN反向传播
- 4.1.3 DNN实例
- 4.1.4 CNN实例
- 第五章 机器学习论文与实践
- 第一节： 语义分割
- 5.1 FCN
- 5.1.1 FCN--------实现FCN16S
- 5.1.2 FCN--------优化FCN16S
- 5.2 DeepLab
- 5.2.1 DeepLabv2
- 第六章 机器学习在实际项目中的应用