前言
在 GitHub 搜尋了一下 python，根據 Most stars 排名，發現了 tensorflow 排名第一。那就證明 python 存在的風向標就是深度學習。
準備和 TensorFlow 徹底剛上了，不會卷積神經網路沒關係，不理解人工智慧學習原理沒關係，高等數學沒學過沒關係。我要從實際應用出發，從高層延伸原理，用到什麼學什麼，上面那些相信慢慢也就能學會了。
Python 下載安裝
3.4、3.5、3.6 或 3.7 都是可以用的
我選擇的最新版的 3.7.4 版本。（此時時間：2019 年 7 月 17 日）
- 注：我的學習環境是 Win10 64 位系統。
安裝注意事項
-
最後
安裝完畢，檢視環境變數有沒有如圖這兩
重啟後，測試：開啟命令提示符輸入如下兩行
python --version pip --version
如上圖，代表安裝成功。。。
看一下 GitHub TensorFlow 專案，找找文件在哪
-
最後貼一下 TensorFlow 官方文件地址
- 能夠科學上網，訪問如下地址
- 不能科學上網，訪問如下地址
建立專案，搭建虛擬 Python 環境
文件內容說，需要安裝 virtualenv。實際 python3 主程式內建虛擬環境指令，完全不需要 virtualenv 的。
-
進入你的專案存放的位置（我的是
D:\www）
-
新建目錄並進入目錄
mkdir tensorFlow cd tensorFlow -
再一次檢測 python 版本
python --version pip --version -
建立 Python 虛擬執行環境（重要命令）
python -m venv venv -
啟用虛擬環境
venv\scripts\activate
-
退出虛擬環境
deactivate
下載安裝 TensorFlow
注：以下命令請在虛擬環境中執行
-
首先，升級虛擬環境中 pip
python -m pip install --upgrade pip -
然後，升級 setuptools
pip install --upgrade setuptools
-
安裝 TensorFlow
pip install tensorflow
注：安裝 TensorFlow 時，自動安裝 NumPy，這是處理 Python 複雜陣列的數學工具。
好的，安裝完成了。我們用 PyCharm IDE 進行程式碼開發
-
用 PyCharm 開啟專案
-
新建一個 app.py 檔案，輸入官方文件新手入門程式碼
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)-
最後執行這段程式碼
python app.py
-
結果
最後說一下
上面這套新手程式碼，大概意思是：下載 70000 張服裝圖片（28 * 28）。60000 張用來學習，10000 張用來測試學習效果。