TensorFlow框架搭建Python環境安裝與配置Python可視化庫深度學習算法實驗環境簡介目錄第二章AI算法實驗環境簡介人工智能算法與實踐—1—01Python環境安裝與配置PartTwo—2—首先對幾種工具的下載進行說明，包括Python、Anaconda、PyCharm，首先下載對應的工具。Python下載方式可在Python的官網https://www.P/查詢，下載Python-XYZ.exe文件，XYZ為安裝的版本號。建議下載3.5及以上的版本用于調試，本文以Python3.7作為調試環境。Anaconda可以便捷地獲取包且能夠對包進行管理，同時對環境可以進行統一管理，其下載網址為https:///products/individual。可以通過UI界面或者conda命令行建立環境和安裝相應的包使用。初學者可以跳過這一步直接使用Python自帶的pip命令下載對應的包。Pycharm功能：調試、語法高亮、Project管理、代碼跳轉、智能提示、自動完成等。PyCharm下載地址https:///pycharm/download/，用戶可以下載對應的版本進行代碼調試。2.1Python環境安裝與配置Python環境安裝與配置—3—02Python可視化庫PartTwo—4—數據可視化將技術與藝術完美結合，借助圖形化的手段，清晰有效地傳達與溝通信息，直觀、形象地顯示海量的數據和信息，并進行交互處理。數據可視化的應用十分廣泛，幾乎可以應用于自然科學、工程技術、金融、通信和商業等各種領域。在Python中有20多種可視化庫，如matplotlib、Seaborn、Bokeh、Plotly等，利用這些可視化庫可以將原本枯燥的數據以美觀形象的方式展現出來，其功能強大，表達方式多種多樣。下面重點介紹最為常用的matplotlib庫，并以折線圖、餅圖、柱狀圖及散點圖為例，幫助讀者快速入門Python的數據可視化方法，方便后續的學習。2.2Python可視化庫Python可視化庫—5—matplotlib的基本元素和常用方法matplotlib繪圖12Python可視化庫2.2Python可視化庫Python可視化庫—6—3可視化庫簡介matplotlib是一種Python數據可視化庫，盡管它已有十多年的歷史，但仍然是Python社區中使用最廣泛的繪圖庫，它的設計與MATLAB非常相似，是一個2D繪圖庫，可以在Python中直接調用并使用。開發者能夠通過matplotlib僅用幾行簡單的代碼就可以完成圖形的繪制。2.2.1可視化庫簡介可視化庫簡介—7—1.matplotlibSeaborn是在matplotlib的基礎上進行了更高級的API封裝，從而使得作圖更加容易。在大多數情況下使用Seaborn能制作出具有吸引力的圖，而使用matplotlib能制作具有更多特色的圖。Seaborn利用matplotlib的強大功能，可以只用幾行代碼就創建漂亮的圖表。2.2.1可視化庫簡介可視化庫簡介—8—2.SeabornBokeh是一個Python交互式可視化庫，支持現代化Web瀏覽器，提供非常完美的展示功能。Bokeh基于TheGrammarofGraphics，它的優勢在于能夠創建交互式的網站圖，它可以很容易地輸出為JSON對象、HTML或交互式Web應用程序，Bokeh還支持流媒體和實時數據。2.2.1可視化庫簡介可視化庫簡介—9—3.BokehPlotly是新一代的Python數據可視化開發庫，基于D3.js、stack.gl（WebGL組件庫，由Plotly團隊的MikolaLysenko領導開發）和SVG，用JavaScript在網頁上實現了類似MATLAB和Pythonmatplotlib的圖形展示功能，提供了完善的交互功能和靈活的繪制選項。2.2.1可視化庫簡介可視化庫簡介—10—4.Plotlyx軸和y軸代表的是水平和垂直的軸線；x軸和y軸的刻度代表坐標軸的分隔，包括最小刻度和最大刻度；x軸和y軸刻度標簽代表特定坐標軸的值；繪圖區域代表實際繪圖的區域。2.2.2matplotlib的基本元素和常用方法matplotlib的基本元素和常用方法—11—1.基本元素plot是matplotlib繪圖庫的繪圖方法，常用的主要參數有color、marker、linestyle等。color參數設置圖形顏色，取值可以為十六進制字符串，也可以是英語單詞首字母縮寫或全拼，注意，藍色blue與黑色black的首字母都為b，所以規定，b代表的是blue藍色，而黑色則用k來表示。2.2.2matplotlib的基本元素和常用方法matplotlib的基本元素和常用方法—12—2.plot方法marker參數是設置點型形狀，用關鍵字參數對單個屬性賦值，這個參數的值只有簡寫，英文描述不被識別。2.2.2matplotlib的基本元素和常用方法matplotlib的基本元素和常用方法—13—2.plot方法linestyle是線型參數，設置直線形狀，關鍵字參數對單個屬性賦值。2.2.2matplotlib的基本元素和常用方法matplotlib的基本元素和常用方法—14—2.plot方法hold屬性默認為True，允許在一幅圖中繪制多條曲線；將hold屬性修改為False，每一個plot都會覆蓋前面的plot。但是不推薦去改動hold這個屬性，這種做法會有警告產生，因此使用默認設置即可。2.2.2matplotlib的基本元素和常用方法matplotlib的基本元素和常用方法—15—4.grid方法3.hold方法使用grid方法可以為圖表添加網格線。設置grid參數（參數與plot方法相同），.lw代表linewidth，指線的粗細；.alpha表示線的明暗程度。grid方法的兩個值，為True和False（True與False的拼寫首字母必須為大寫），默認值為True，True表示顯示網格線，而False表示隱藏網格線。如果axis方法沒有任何參數，則返回當前坐標軸的上下限。2.2.2matplotlib的基本元素和常用方法matplotlib的基本元素和常用方法—16—5.axis方法6.xlim方法和ylim方法除了axis方法，還可以通過xlim、ylim方法設置坐標軸范圍。xlim與ylim方法均含有兩個參數，表示的是坐標范圍的最小值與最大值。7.xticks方法xticks方法設置橫坐標的刻度標記，將坐標軸變成人們想要的樣子。xticks方法類似覆蓋，并且覆蓋的數組長度要和原來橫軸的坐標長度一致。legend用來改變圖表的位置，常用參的主要數有loc、fontsize、frameon、facecolor、edgecolor以及title等。loc是location的縮寫，顧名思義是位置的意思，其取值可以有10個，分別為upperleft、uppercenter、upperright、centerleft、center、centerright、best”，“lowerleft、lowercenter、lowerright，用戶可以根據自己的需要設置不同的值，其中best值是指，圖表會找到最合適的地方進行展示，不需要用戶指定。fontsize是字體大小，可取值為xx-small、x-small、small、medium、large、x-large、xx-large。frameon、facecolor、edgecolor分別代表的是設置圖表邊框（默認為True）、設置背景顏色、設置邊框顏色（無邊框時無效）。title參數設置圖表標題。2.2.2matplotlib的基本元素和常用方法matplotlib的基本元素和常用方法—17—8.legend方法折線圖多用于顯示隨時間或有序類別而變化的趨勢。在Python中，要繪制折線圖，首先引入matplotlib包，然后設置x和y數據，最后繪圖，繪圖時采用的是plot方法。2.2.3matplotlib繪圖matplotlib繪圖—18—1.折線圖餅圖一般用于強調各項數據占總體的比例，強調個體和整體的比較。繪制餅圖時使用的是pie方法。2.2.3matplotlib繪圖matplotlib繪圖—19—2.餅圖柱狀圖同樣需要先引入matplotlib包，然后設置x軸的數據以及條形的高度，通過xticks方法，將坐標軸上的刻度值換成人們想要的數據間隔和標簽。2.2.3matplotlib繪圖matplotlib繪圖—20—3.柱狀圖散點圖的繪制有兩種方式，一種是使用plot方法，只需將其中的marker屬性值設置為“o”，linestyle屬性值設置為“none”即可；另一種方式是使用scatter方法，直接調用即可。2.2.3matplotlib繪圖matplotlib繪圖—21—4.散點圖03深度學習實驗環境簡介PartTwo—22—TensorFlow是由谷歌大腦團隊的研究人員和工程師開發的，它是深度學習領域中最常用的軟件庫。TensorFlow完全是開源的，并且有出色的社區支持。同時，TensorFlow為大多數復雜的深度學習模型預先編寫好了代碼，比如遞歸神經網絡和卷積神經網絡。2.3深度學習算法實驗環境簡介深度學習算法實驗環境簡介—23—1.TensorFlow2.KerasKeras是一個高層的API，它為快速實驗而開發。因此，如果希望獲得快速結果，Keras會自動處理核心任務并生成輸出。Keras支持卷積神經網絡和遞歸神經網絡，可以在CPU和GPU上無縫運行。PyTorch是Torch深度學習框架的一個接口，可用于建立深度神經網絡和執行張量計算。張量是多維數組，就像numpy的ndarray一樣，它也可以在GPU上運行。PyTorch使用動態計算圖，PyTorch的Autograd軟件包從張量生成計算圖，并自動計算梯度。2.3深度學習算法實驗環境簡介深度學習算法實驗環境簡介—24—3.PyTorch4.CaffeCaffe是另一個面向圖像處理領域的、比較流行的深度學習框架，它是由賈陽青在加利福尼亞伯克利大學讀博士期間開發的。同樣，它也是開源的，Caffe對遞歸網絡和語言建模的支持不如上述3個框架。但是Caffe最突出的地方是它的處理速度和從圖像中學習的速度非常快。PaddlePaddle中文名稱為飛槳，是由百度開發的中國首個自主研發、功能完備、開源開放的產業級深度學習平臺。PaddlePaddle以百度多年的深度學習技術研究和業務應用為基礎，集深度學習核心訓練和推理框架、基礎模型庫、端到端開發套件、豐富的工具組件于一體，同時支持動態圖和靜態圖，兼顧靈活性和效率。2.3深度學習算法實驗環境簡介深度學習算法實驗環境簡介—25—5.PaddlePaddle04TensorFlow框架搭建PartTwo—26—在Anaconda中創建環境以及環境名，選擇對應的Python版本等待創建即可。2.4TensorFlow框架搭建TensorFlow框架搭建—27—1.創建環境2.安裝包導入在Anaconda新創建的環境中選擇Notinstalled選項，在右側搜索所需的包名，單擊該包顯示綠色箭頭，然后apply，等待安裝即可。3.選擇環境打開Pycharm，依次選擇File→Settings→Interp