深度学习专栏 - lesson 1 / 初试江湖（深度学习和Python语言概览及环境搭建

最近确实也闲来无事, 于是笔者也顺应时代的潮流, 打算瞅一瞅深度学习, 说到深度学习 其实很多人想到的是神经网络, 自然语言理解, 很多高大上的名词, 笔者也想从这篇博客开始来记录一下自己的学习历程, 也希望能够给大家提供一些帮助

what is 深度学习？

Deep Learning, 这个deep其实说的就是深层神经网络, 神经网络其实真的是炒的很老的一个概念了, 深度学习也是神经网络二次翻红以后取的新的高大上的名字, 毕竟如今被捧上神坛的AI在曾经也有着让人嗤之以鼻的历史

上个世纪五十年代AI就已经开始萌芽了, AI的涵盖面非常的广, 笔者翻看了一些资料大概也了解到一些知识,

• 1. 人工智能并不是计算机领域的专利
• 2. 在数学领域里, 人家认为AI是走逻辑 + 走规则
• 3. 在生物领域里, 认为AI就是仿生
• 4. 在计算机领域里, 机器学习(弱人工智能)

  弱人工智能是相对于强人工智能产生的概念, 强人工智能其实就是像科幻小说电影里的那种跟人差不多的AI, 但在人工智能经历了一定的低谷以后, 计算机领域的人普遍认为强人工智能是比较难的, 所以现阶段我们都在做弱人工智能, 所谓弱人工智能就是让AI在某一方面具备跟我们差不多的能力, 比如面容识别就像人的眼睛, 音频识别就像人的耳朵

谈到我们计算机领域中的AI大多数是在说机器学习, 而笔者在上方提到的弱人工智能其实也就是在说神经网络, 神经网络这个技术是挺有争议的, 沉寂过几次又爆红过几次, 在2012年再次爆红 称之为 深度学习, 深度学习也是数据科学

说白了深度学习就是让机器可以模拟人的大脑来做一些事情, 比如给机器一张猫和狗的照片, 它可以准确的分辨出谁是猫猫谁是狗, 猫狗的例子只是深度学习的冰山一角, 但是我相信你应该可以明白深度学习到底是个什么意思了

以上关于深度学习的的概念是笔者自身通过学习和查看资料的个人观点, 因为初出江湖, 在理解上偏主观和肤浅, 如果说的不对希望能够被大牛指点, 感激不尽, 同时笔者也不会将百度到的知识直接贴进来, 那样其实我们就丧失了看博客的意义。

深度学习的概念基本谈了谈, 我们再来看看现在在深度和数据分析中大放异彩的Python吧

---

奔放的Python（初识python）

首先为什么选择Python做人工智能？

笔者看到的比较多的回答是因为Python的生态非常的好, 周边的库特别多又开源, 这个理由勉强站得住脚, 随着慢慢的学习应该就明白为什么选择Python了, 现在的话…emmm, 笔者只能说任何事情发生都有他的意义哈哈, 顺带一提说到底AI的核心算法最底层是C++

扫描二维码关注公众号，回复： 11486926 查看本文章

然后不是最近接触Python嘛, 觉得Python真的是太奔放了, 笔者作为一名前端工程师, 以为js已经非常的豪迈和自由飞翔了, 但是遇到了Python, 真的没资格说js豪迈, 跟Python相比都不是一个量级的好吗

我们来感受一下各语言输出helloWorld的写法就知道我为啥说Python奔放了, 看不懂没关系, 混个脸熟, 咱还没到普及语法这块呢, 就当看着玩儿

java

public class HelloWorld {
    public class void main (String[] args) {
        System.out.println("helloWorld");
    }
}

C

#include <stdio.h>

int main(void)

{
    printf("helloWorld\n");
    return 0;
}

javaScript

console.log('helloWorld');

python

print("helloWorld")

不论你现在是掌握了哪门语言, 相信你都写过求平均值的函数, 我们来看看python的写法, 反正我第一次看是牙都给我惊掉了

# get average
def mean(numbers):
    s = 0.0
    for num in numbers:
    s = s + num
    return s / len(numbers)

经过上面的对比和python混的脸熟
, 我们是可以发现js和python差不多在一个等级,甚至python还有点丧心病狂 连分号都不用打

---

Python的特点

1. 解释性

   跟js一样, python作为解释性的脚本语言, 我们知道计算机只认识1和0, 解释性语言就是在执行的时候, 我们必须要拥有一个解释器, 解释器就好像一个翻译官, 他看一行python的源码然后翻译给计算机, 看一行翻译一行, 这就叫解释性

2. 库多, 生态相当的丰富

3. 开源

4. 跨平台

2 3 4点笔者就不介绍了, 是个工程师应该都知道这三个词的概念

---

Python基本环境安装和配置

1. 到python主页下载并安装python基本开发和运行环境

Python主页下载链接

2. 根据操作系统的不同选择不同的版本

3. 下载相应的python3.0系列版本程序

贴个安装教程的链接

Python安装教程链接

Anaconda环境安装（下载完以后傻瓜式安装就好了）

Anaconda下载链接

关于anaconda的环境相关笔者这里也分享一个觉得还可以的软文

anaconda环境管理

下好了以后, 用搜索框搜索Anaconda Navigator, 如图, 如果你是windows也是打开搜索application的界面搜索就行

找到这哥们, 然后打开他, 进去下载spyder

如果你已经下载好了, 这里会显示launch, 如果你没下载好, 这里会显示install, 点击install就好

完了以后直接点击launch打开, 可以看到下面的界面, 代表我们的准备工作就已经做好了

有些小伙伴可能会说, 习惯用Pycharm, 这些都是完全没问题的, 用什么都无所谓, 没有谁更好只有自己更喜欢和更适合, 加油

下一篇博客就正式开始写Python的语法学习啦, 希望这篇博客至少可以帮助你对深度学习有一定的认知