aprendizaje profundo
La relación entre la inteligencia artificial, el aprendizaje automático y el aprendizaje profundo
Entre ellos, la inteligencia artificial incluye el aprendizaje automático y el aprendizaje profundo, el aprendizaje automático incluye el aprendizaje profundo y el aprendizaje profundo se puede dividir en reconocimiento de voz, procesamiento del lenguaje natural, visión artificial y otros campos.
definicion de inteligencia artificial
Simule e interprete la inteligencia humana con tecnología moderna para ampliar la disciplina de la inteligencia humana.
definición de aprendizaje automático
El aprendizaje automático se dedica al estudio de cómo utilizar la experiencia para mejorar el rendimiento del propio sistema a través de medios computacionales. Esta experiencia suele ser lo que llamamos datos, por lo que el aprendizaje automático consiste en generar un modelo (es decir, un algoritmo) aprendiendo estos datos.Con este modelo, podemos generar un valor de predicción para nuevos datos. Las principales tareas del aprendizaje automático son la clasificación, la regresión, la agrupación, la detección de anomalías, la estimación de la densidad, etc.
Definición de aprendizaje profundo
El proceso de aprendizaje automático generalmente comienza con el preprocesamiento de datos, la extracción de características, la selección de características y luego la predicción o el razonamiento. La selección de características de preprocesamiento y extracción de características también se denomina expresión de características, que desempeña un papel vital en la predicción de resultados, y estos deben ser operados por humanos. Esto introduce el aprendizaje profundo, que extrae características automáticamente a través de redes neuronales, no tiene subjetividad humana, conserva la objetividad de los datos y puede extraer características más precisas. Las redes incluidas en su aprendizaje profundo incluyen principalmente redes neuronales totalmente conectadas, redes neuronales convolucionales, redes neuronales recurrentes y transformadores.
Marco de aprendizaje profundo
Ahora los principales marcos populares son tensorflow, keras, pytorch, MxNet
herramientas de aprendizaje profundo
Principalmente configurando el entorno de python. Si su proyecto requiere varias versiones, es decir, si necesita más de una versión de python, puede administrar su entorno de python instalando anaconda. Creo que anaconda es un paquete de software muy bueno Sistema de administración y entorno sistema de gestión, a través del cual se pueden instalar las bibliotecas de terceros requeridas. Para el compilador de python, puede usar jupyter, pycharm, VScode, cada uno con sus propias ventajas. Siempre que se instale anaconda, también se instalará el compilador, lo cual es más conveniente. La dirección de descarga de anaconda es Anaconda | La plataforma de ciencia de datos más popular del mundo . Puede descargarlo usted mismo. Puede descargarlo a través de Baidu. Esta descarga es relativamente simple, por lo que no diré más.
Comandos de uso común de Anaconda
creación de ambiente
Abra la ventana de la línea de comandos de Anaconda Prompt, la interfaz es la siguiente:
Para crear un entorno, ingrese: conda create -n nombre del entorno python = el número de versión de python que desea instalar
Ejemplo: conda create --name your_env_name python=python2.7
Significa que quiero crear un entorno, el nombre es your_env_name, el entorno de python que configuré en este entorno es python2.7 y el sistema descargará automáticamente python2.7.
Los resultados de la descarga son los siguientes:
cambio de contexto
Después de crear un entorno, podemos cambiar del entorno base actual al entorno que creamos.
La declaración de cambio de entorno es: conda active your_env_name
El resultado es el siguiente, los corchetes de apertura de la línea de comando muestran el nombre de nuestro entorno actual
Al querer salir del entorno actual, podemos ingresar: conda desactivar para volver al entorno base
Como se muestra abajo:
Se requieren bibliotecas de terceros para la instalación en el entorno
Después de cambiar al entorno actual, podemos instalar la biblioteca o el marco de Python que necesitamos en la biblioteca actual.
Por ejemplo, para instalar la biblioteca numpy, podemos ingresar: conda install numpy
Para actualizar la biblioteca numpy, podemos escribir: conda updata numpy
Para desinstalar la biblioteca numpy, podemos ingresar: conda remove numpy
La visualización de las bibliotecas en el entorno actual también se puede usar para verificar que las bibliotecas que instalamos se instalaron correctamente. Podemos ingresar: lista de conda
Como se muestra abajo:
Resumen: cuando instalamos, eliminamos o actualizamos una determinada biblioteca, solo necesitamos reemplazar el número que está arriba de mí con el nombre de la biblioteca que está operando
eliminar entorno
Primero podemos comprobar qué entornos hemos creado, ingresamos el comando: conda info --envs
El resultado es el siguiente:
Si queremos eliminar un entorno, podemos ingresar el comando: conda remove --name your_env_name
Instalar el marco de aprendizaje profundo
Podemos instalar el marco tensorflow en el entorno actual ingresando el siguiente comando
Instrucción: pip install --upgrade --ignore-installed tensorflow
Solo espera la instalación. Cabe señalar que las versiones de tensorflow y python parecen estar relacionadas. Si hay algún problema, vea si es por una falta de coincidencia de versión.
Abra el compilador jupyter
Puede ingresar el siguiente comando en el entorno actual: jupyter notebook para abrir la interfaz de la página web.