人工智能算法与实践-第2章 AI算法实验环境简介

TensorFlow框架搭建Python环境安装与配置Python可视化库深度学习算法实验环境简介目录第二章AI算法实验环境简介人工智能算法与实践—1—01Python环境安装与配置PartTwo—2—首先对几种工具的下载进行说明，包括Python、Anaconda、PyCharm，首先下载对应的工具。Python下载方式可在Python的官网https://www.P/查询，下载Python-XYZ.exe文件，XYZ为安装的版本号。建议下载3.5及以上的版本用于调试，本文以Python3.7作为调试环境。Anaconda可以便捷地获取包且能够对包进行管理，同时对环境可以进行统一管理，其下载网址为https:///products/individual。可以通过UI界面或者conda命令行建立环境和安装相应的包使用。初学者可以跳过这一步直接使用Python自带的pip命令下载对应的包。Pycharm功能：调试、语法高亮、Project管理、代码跳转、智能提示、自动完成等。PyCharm下载地址https:///pycharm/download/，用户可以下载对应的版本进行代码调试。2.1Python环境安装与配置Python环境安装与配置—3—02Python可视化库PartTwo—4—数据可视化将技术与艺术完美结合，借助图形化的手段，清晰有效地传达与沟通信息，直观、形象地显示海量的数据和信息，并进行交互处理。数据可视化的应用十分广泛，几乎可以应用于自然科学、工程技术、金融、通信和商业等各种领域。在Python中有20多种可视化库，如matplotlib、Seaborn、Bokeh、Plotly等，利用这些可视化库可以将原本枯燥的数据以美观形象的方式展现出来，其功能强大，表达方式多种多样。下面重点介绍最为常用的matplotlib库，并以折线图、饼图、柱状图及散点图为例，帮助读者快速入门Python的数据可视化方法，方便后续的学习。2.2Python可视化库Python可视化库—5—matplotlib的基本元素和常用方法matplotlib绘图12Python可视化库2.2Python可视化库Python可视化库—6—3可视化库简介matplotlib是一种Python数据可视化库，尽管它已有十多年的历史，但仍然是Python社区中使用最广泛的绘图库，它的设计与MATLAB非常相似，是一个2D绘图库，可以在Python中直接调用并使用。开发者能够通过matplotlib仅用几行简单的代码就可以完成图形的绘制。2.2.1可视化库简介可视化库简介—7—1.matplotlibSeaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易。在大多数情况下使用Seaborn能制作出具有吸引力的图，而使用matplotlib能制作具有更多特色的图。Seaborn利用matplotlib的强大功能，可以只用几行代码就创建漂亮的图表。2.2.1可视化库简介可视化库简介—8—2.SeabornBokeh是一个Python交互式可视化库，支持现代化Web浏览器，提供非常完美的展示功能。Bokeh基于TheGrammarofGraphics，它的优势在于能够创建交互式的网站图，它可以很容易地输出为JSON对象、HTML或交互式Web应用程序，Bokeh还支持流媒体和实时数据。2.2.1可视化库简介可视化库简介—9—3.BokehPlotly是新一代的Python数据可视化开发库，基于D3.js、stack.gl（WebGL组件库，由Plotly团队的MikolaLysenko领导开发）和SVG，用JavaScript在网页上实现了类似MATLAB和Pythonmatplotlib的图形展示功能，提供了完善的交互功能和灵活的绘制选项。2.2.1可视化库简介可视化库简介—10—4.Plotlyx轴和y轴代表的是水平和垂直的轴线；x轴和y轴的刻度代表坐标轴的分隔，包括最小刻度和最大刻度；x轴和y轴刻度标签代表特定坐标轴的值；绘图区域代表实际绘图的区域。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绘图库的绘图方法，常用的主要参数有color、marker、linestyle等。color参数设置图形颜色，取值可以为十六进制字符串，也可以是英语单词首字母缩写或全拼，注意，蓝色blue与黑色black的首字母都为b，所以规定，b代表的是blue蓝色，而黑色则用k来表示。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参数是设置点型形状，用关键字参数对单个属性赋值，这个参数的值只有简写，英文描述不被识别。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是线型参数，设置直线形状，关键字参数对单个属性赋值。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属性默认为True，允许在一幅图中绘制多条曲线；将hold属性修改为False，每一个plot都会覆盖前面的plot。但是不推荐去改动hold这个属性，这种做法会有警告产生，因此使用默认设置即可。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方法可以为图表添加网格线。设置grid参数（参数与plot方法相同），.lw代表linewidth，指线的粗细；.alpha表示线的明暗程度。grid方法的两个值，为True和False（True与False的拼写首字母必须为大写），默认值为True，True表示显示网格线，而False表示隐藏网格线。如果axis方法没有任何参数，则返回当前坐标轴的上下限。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，还可以通过xlim、ylim方法设置坐标轴范围。xlim与ylim方法均含有两个参数，表示的是坐标范围的最小值与最大值。7.xticks方法xticks方法设置横坐标的刻度标记，将坐标轴变成人们想要的样子。xticks方法类似覆盖，并且覆盖的数组长度要和原来横轴的坐标长度一致。legend用来改变图表的位置，常用参的主要数有loc、fontsize、frameon、facecolor、edgecolor以及title等。loc是location的缩写，顾名思义是位置的意思，其取值可以有10个，分别为upperleft、uppercenter、upperright、centerleft、center、centerright、best”，“lowerleft、lowercenter、lowerright，用户可以根据自己的需要设置不同的值，其中best值是指，图表会找到最合适的地方进行展示，不需要用户指定。fontsize是字体大小，可取值为xx-small、x-small、small、medium、large、x-large、xx-large。frameon、facecolor、edgecolor分别代表的是设置图表边框（默认为True）、设置背景颜色、设置边框颜色（无边框时无效）。title参数设置图表标题。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方法折线图多用于显示随时间或有序类别而变化的趋势。在Python中，要绘制折线图，首先引入matplotlib包，然后设置x和y数据，最后绘图，绘图时采用的是plot方法。2.2.3matplotlib绘图matplotlib绘图—18—1.折线图饼图一般用于强调各项数据占总体的比例，强调个体和整体的比较。绘制饼图时使用的是pie方法。2.2.3matplotlib绘图matplotlib绘图—19—2.饼图柱状图同样需要先引入matplotlib包，然后设置x轴的数据以及条形的高度，通过xticks方法，将坐标轴上的刻度值换成人们想要的数据间隔和标签。2.2.3matplotlib绘图matplotlib绘图—20—3.柱状图散点图的绘制有两种方式，一种是使用plot方法，只需将其中的marker属性值设置为“o”，linestyle属性值设置为“none”即可；另一种方式是使用scatter方法，直接调用即可。2.2.3matplotlib绘图matplotlib绘图—21—4.散点图03深度学习实验环境简介PartTwo—22—TensorFlow是由谷歌大脑团队的研究人员和工程师开发的，它是深度学习领域中最常用的软件库。TensorFlow完全是开源的，并且有出色的社区支持。同时，TensorFlow为大多数复杂的深度学习模型预先编写好了代码，比如递归神经网络和卷积神经网络。2.3深度学习算法实验环境简介深度学习算法实验环境简介—23—1.TensorFlow2.KerasKeras是一个高层的API，它为快速实验而开发。因此，如果希望获得快速结果，Keras会自动处理核心任务并生成输出。Keras支持卷积神经网络和递归神经网络，可以在CPU和GPU上无缝运行。PyTorch是Torch深度学习框架的一个接口，可用于建立深度神经网络和执行张量计算。张量是多维数组，就像numpy的ndarray一样，它也可以在GPU上运行。PyTorch使用动态计算图，PyTorch的Autograd软件包从张量生成计算图，并自动计算梯度。2.3深度学习算法实验环境简介深度学习算法实验环境简介—24—3.PyTorch4.CaffeCaffe是另一个面向图像处理领域的、比较流行的深度学习框架，它是由贾阳青在加利福尼亚伯克利大学读博士期间开发的。同样，它也是开源的，Caffe对递归网络和语言建模的支持不如上述3个框架。但是Caffe最突出的地方是它的处理速度和从图像中学习的速度非常快。PaddlePaddle中文名称为飞桨，是由百度开发的中国首个自主研发、功能完备、开源开放的产业级深度学习平台。PaddlePaddle以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，同时支持动态图和静态图，兼顾灵活性和效率。2.3深度学习算法实验环境简介深度学习算法实验环境简介—25—5.PaddlePaddle04TensorFlow框架搭建PartTwo—26—在Anaconda中创建环境以及环境名，选择对应的Python版本等待创建即可。2.4TensorFlow框架搭建TensorFlow框架搭建—27—1.创建环境2.安装包导入在Anaconda新创建的环境中选择Notinstalled选项，在右侧搜索所需的包名，单击该包显示绿色箭头，然后apply，等待安装即可。3.选择环境打开Pycharm，依次选择File→Settings→Interp