人工智能入门利器介绍及基本环境搭建常用代码

Rosine ·
更新时间:2024-05-16
· 610 次阅读

python

在这里插入图片描述
Python是一种解释型的、面向对象的、移植性强的高级程序设计语言。
开发者:吉多·范罗苏姆(Guide van Rossum)
解释性:不需要编译成二进制代码,可以直接从源代码运行
面向对象:Python既支持面向过程的编程也支持面向对象的编程
可移植性:由于它的开源本质,可在不同平台进行开发
高层语言:无须考虑诸如如何管理程序使用的内存一类的底层细节
官网:www.python.org/
优点:简单易学、开发效率高、高级语言、可移植性、可扩展性、可嵌入性
缺点:速度慢、代码不能加密

Anaconda

在这里插入图片描述
Anaconda是一个方便的python包管理和环境管理软件
支持 Linux, Mac, Windows
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
特点:
跨平台、同时实现包管理、环境管理的功能
使用方便、环境部署步骤简单
官网:www.anaconda.com/

Jupyter notebook

Jupyter Notebook是一个开源的Web应用程序,允许开发者方便的创建和共享代码文档。
可以实时写代码、运行代码、查看结果,并可视化数据
特点:
允许把代码写入独立的cell中,然后单独执行。用户可以在测试项目时单独测试特定代码块,无需从头开始执行代码
基于web框架进行交互开发,非常方便
官网:https://jupyter.org/

基础工具包 Panda\Numpy\Matplolib

在这里插入图片描述

AI开发实战基础

1. 下载、安装python
2. 下载、安装Anaconda
3. 新建开发环境、安装jupyter-notebook

配置:conda create –n env_name
配置:conda activate env_name
4. Jupyter notebook界面优化
https://github.com/dunovank/jupyter-themes
配置:jt -t grade3 -f fira -fs 17 -cellw 90% -lineh 100 -tfs 16 -ofs 11 -dfs 11 -T
5. Python基本语法;numpy、pandas、matplotlib安装与测试
配置:pip/conda install package_name
很多时候,直接从官方下载包特别慢,可以使用国内的python源

pip国内的一些镜像

阿里云 http://mirrors.aliyun.com/pypi/simple/
  中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
  豆瓣(douban) http://pypi.douban.com/simple/
  清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
  中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/
在使用pip的时候在后面加上-i参数,指定pip源
eg: pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

flare老师的人工智能实战课程“Python3系统入门人工智能 提升综合能力+解决实际问题”已上线,欢迎小伙伴们学习围观。本课程围绕人工智能核心知识点进行讲解,每个章节包含丰富实战案例,手把手带你利用AI工具解决生活、工作问题(股价预测、人脸识别、语言翻译、异常检测等等)。
另外,flare老师的免费课程“Python实现机器学习”学员人数近万,欢迎感兴趣的小伙伴学习围观。


作者:flare zhao



环境 环境搭建 人工智能

需要 登录 后方可回复, 如果你还没有账号请 注册新账号
相关文章