《深度学习与Python实现与应用》课件python第一章

目录contents01深度学习简介02神经网路03神经网络的发展历史04常用的深度学习框架05编程环境的安装深度学习简介011.1深度学习简介为了学习一种好的表示，需要构建具有一定“深度”的模型，并通过学习算法来让模型自动学习出好的特征表示（从底层特征，到中层特征，再到高层特征），从而最终提升预测模型的准确率所谓。下图给出了深度学习的数据处理流程。神经网络021.2.1人脑神经网络1.2.2人工神经网络人工神经网络是为模拟人脑神经网络而设计的一种计算模型，它从结构、实现机理和功能上模拟人脑神经网络。神经网络的发展历史031.3神经网络发展的5个阶段1）第一阶段：模型提出第一阶段为1943年～1969年，是神经网络发展的第一个高潮期。2）第二阶段：冰河期第二阶段为1969年～1983年，是神经网络发展的第一个低谷期。3）第三阶段：反向传播算法引起的复兴第三阶段为1983年～1995年，是神经网络发展的第二个高潮期。4）第四阶段：流行度降低第四阶段为1995年～2006年，在此期间，支持向量机和其他更简单的方法（例如线性分类器）在机器学习领域的流行度逐渐超过了神经网络。5）第五阶段：深度学习的崛起第五阶段为从2006年开始至今，在这一时期研究者逐渐掌握了训练深层神经网络的方法，使得神经网络重新崛起。常用的深度学习框架041.4常用的深度学习框架主流框架

Theano

Scikit-learn

Caffe

Torch

MXNet

PyTorch

Keras

TensorFlow编程环境安装051.5.1anaconda安装网址：/products/distribution1.5.2CUDA安装网址:/cuda-10.0-download-archive1.5.2CUDA安装1.5.2CUDA测试打开cmd，输入nvcc-v1.5.3

cudnn安装网址:https:\\\cudnn进入后看到下图界面，选择对应版本下载1.5.3

cudnn安装下载完成cuDNN文件后，解压并进入文件夹，我们将名为“cuda”的文件夹重命名为“cudnn765”，并复制此文件夹。C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v10.0，粘贴“cudnn765”文件夹即可。1.5.4

环境变量设置1.5.4

环境变量设置1.5.4

环境变量设置1.5.5TensorFlow-gpu安装TensorFlow和其他的Python库一样，使用Python包管理工具pipinstall命令即可安装。下面是几个包的安装实列。首先打开cmd，输入：#使用国内清华源安装pipinstallnumpy-i/simple#使用国内清华源安装TensorFlowCPU版本pipinstall-Utensorflow-gpu-i/simple1.5.5TensorFlow-cpu安装如果不能安装TensorFlowGPU版本，则可以安装CPU版本。版本验证：在cmd命令行输入ipython进入ipython交互式终端，输入“importtensorflowastf”命令。通过“tf.__version__”查看本地安装的TensorFlow版本号#使用国内清华源安装TensorFlowCPU版本pipinstall-Utensorflow-i/simple1.5.5TensorFlow简洁安装实际上，对于新手来说，可以将手动安装CUDA和cuDNN，配置Path环境变量并安装TensorFlow这4大步骤通过两条命令完成：#创建名为tf2的虚拟环境，并根据预设环境名tensorflow-gpu#自动安装CUDA,cuDNN,TensorFlowGPU等condacreate-ntf2tensorflow-gpu#激活tf2虚拟环境condaactivatetf21.5.5TensorFlowgpu资源管理TensorFlow在运行时，默认会占用所有GPU显存资源，占用所有GPU显存资源会使得其他程序无法运行。因此可以将TensorFlow的显存占用方式为增长式占用模式，实现如下：#设置GPU显存使用方式#获取GPU设备列表gpus=tf.config.experimental.list\_physical\_devices('GPU’)ifgpus:

try:

#设置GPU为增长式占用forgpuingpus:

tf.config.experimental.set\_memory\_growth(gpu,True)

exceptRuntimeErrorase:

print(e)1.5.6常用编辑器安装使用Python语言编写程序的方式非常多，可以使用ipython或者ipythonnotebook方式交互式编写代码，也可