编译：yxy
出品：ATYUN订阅号
本文详细介绍如何开始深度学习，首先在Windows 10上配置适合它的环境。要安装的框架是Keras API，后端为TensorFlow的GPU版本。
这与我（Tamim Mirza）在自己的深度学习项目中使用的程序相同，它对我很有帮助。本文旨在在一个地方汇集所有必要和更新的信息，而不是挨个搜索它们。
让我们开始吧。
什么是深度学习？
深度学习是机器学习的一个子集，它利用多层人工神经网络在诸如对象检测，语音识别，语言翻译等任务中提供最先进的准确性。
深度学习与传统的机器学习技术的不同之处在于，它们可以自动学习图像，视频或文本等数据的表示，无需引入手工编码规则或人类领域知识。它们高度灵活的架构可以直接从原始数据中学习，并在提供更多数据时提高其预测的准确性。
PC硬件设置
为了对任何数据集进行深度学习，软件或程序要有足够强大的计算机系统才能满足所需的计算力。所以需要：
1）中央处理器（CPU） - 英特尔酷睿i5第六代处理器或更高。AMD与此同级的处理器也很不错。
2）RAM - 至少8 GB，建议16 GB或者更高。
3）图形处理单元（GPU） - NVIDIA GeForce GTX 960或更高版本。AMD的GPU并不推荐进行深度学习。
4）操作系统 - Microsoft Windows 10（推荐64位）。我建议在继续之前将Windows 10升级到最新版本。
注意：如果选择笔记本电脑，理想的选择是从公认不错的供应商购买游戏本，如华硕，联想的Legion，宏碁的Predator，戴尔外星人等。
PC软件设置
现在要进行深度学习，我们将使用一种称为GPU计算的方法，该方法将复杂的数学计算引导到GPU而不是CPU，这大大减少了整体计算时间。为此，我们按以下顺序安装必要的组件：
微软VISUAL STUDIO IDE
Visual Studio对于安装下两个组件至关重要。我推荐VS2017（因为我就在使用），因为它的性能要比以往版本好，安装也会很容易。但你也可以使用2010年至2017年的任何VS版本。
下载Visual Studio 2017：https://visualstudio.microsoft.com/downloads/
下载旧版本的Visual Studio：https://visualstudio.microsoft.com/vs/older-downloads/
我们需要使用Visual Studio IDE，因为Visual Studio Code只是一个代码编辑器，不能以这种方式使用。成功安装IDE后，必须安装C 开发和Windows 10 SDK（版本10.0.15063.0）的组件。
NVIDIA CUDA工具包
该软件组件是使GPU能够进行GPU计算所需的。我们将下载9.0版本，因为这是与我们将要安装的框架兼容的版本。
注意：TensorFlow与CUDA Toolkit 9.1和9.2不兼容，因此请仅安装CUDA Toolkit 9.0
下载CUDA Toolkit 9.0：https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
CUDA 9.0的官方Windows安装文档：https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-microsoft-windows/index.html
注意：在安装之前确保您的NVIDIA GPU驱动程序是最新的，更简单的方法是安装NVIDIA GeForce Experience，CUDA捆绑了所需的驱动程序，但这些只是它所需的最低版本。
接下来，你需要进入CUDA安装中的samples文件夹，如果在安装期间选择了默认路径，则该文件夹位于：
C:ProgramDataNVIDIA CorporationCUDA Samplesv9.01_UtilitiesdeviceQuery
选择适合你系统上安装的VS版本的VS解决方案，并在已安装的Visual Studio版本上运行它。如果安装的是Visual Studio 2017，则运行VS 2017的Visual Studio解决方案。在运行解决方案的结果中，你应该看到：
代码语言：javascript复制Result= PASS在验证安装后，需要将CUDA Toolkit添加到Path环境，通过以下方法完成：
步骤1
右键“此电脑”快捷方式，然后选择“属性”
第2步
然后选择高级系统设置（左上角）
第3步
选择环境变量
步骤4
转到底部可滚动窗口，然后双击选择Path变量
第五步
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0bin C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0libx64 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0include
在变量中添加CUDA 9.0路径
NVIDIA CUDNN
下载NVIDIA cuDNN：https://developer.nvidia.com/rdp/cudnn-download
您需要注册一个NVIDIA开发者帐户才能下载，这是免费的，没有多麻烦。下载CUDA 9.0的cuDNN 7（最新版本）。下载后，将其解压，然后你会看到3个文件，执行以下操作：
a) Copy <installpath>cudabincudnn64_7.dll to C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0bin.
b) Copy <installpath>cuda includecudnn.h to C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0include.
c) Copy <installpath>cudalibx64cudnn.lib to C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0libx64.
完成后，你的GPU现在可以执行GPU计算了。
Python解释器
注意：TensorFlow不支持Python 2，也不支持Python 3.7，但它完全支持Python 3.5和Python 3.6
注意：建议不要使用传统的Python安装，因为管理包可能很麻烦，因此建议使用Anaconda3
现在我们的GPU配置为深度学习，我们需要安装Python解释器，我们将下载Anaconda3 64位发行版，它是一个用于数据科学的开源python包管理器。
下载适用于Windows的Anaconda3（64位）：https://www.anaconda.com/download/
注意：也可以通过VS2017的Visual Studio安装程序下载Anaconda3 64位。所以也可以跳过此部分，转到底部的Python IDE。
按照Windows的官方安装文档中的说明进行操作：https://docs.anaconda.com/anaconda/install/windows.html
安装后，打开Anaconda Prompt并通过调用以下命令更新conda包和Anaconda：
代码语言：javascript复制conda update conda
conda update anaconda现在我们需要创建一个新的Python 3.6环境，我们将其命名为：TensorFlow-GPU-Keras（名字可以随便起）。
注意：不要修改（安装，删除或更新）根环境中的任何项目，因为这会导致Anaconda陷入混乱并破坏安装
打开Anaconda Navigator并转到environments部分，然后转到底部，点击按钮创建新环境。
现在，创建环境后，请前往环境并单击“play”按钮并选择“Open Terminal”
在我们的环境激活后，CMD会被打开
现在我们可以一次安装一个包，只需将代码复制粘贴到终端上并按下回车：
TensorFlow-GPU
资料来源：https://www.tensorflow.org/install/install_windows
代码语言：javascript复制pip install --ignore-installed --upgrade tensorflow-gpuKeras
资料来源：https://keras.io/#installation
代码语言：javascript复制pip install keras暂时不要关闭命令提示符（终端）
验证已安装的组件是否正常工作：
代码语言：javascript复制python接着
代码语言：javascript复制>>> import tensorflow
>>> import keras如果两者都运行没有任何错误，则表示安装成功。
Python IDE
JUPYTER NOTEBOOK
Anaconda捆绑了Jupyter Notebook，只需点击即可下载并安装。启动Anaconda Navigator并在主页选项卡上有一个部分显示“Application on”，默认为root只需将其更改为相应的环境，并且可以选择下载Jupyter Notebook。
只需单击install即可下载并安装它
PYCHARM
下载PyCharm：https://www.jetbrains.com/pycharm/
适用于Visual Studio 2017的Python工具
注意：我没有在Visual Studio 2015或更早版本中使用Python工具，因此我不确定它们是如何运行的
对于Visual Studio 2017，启动Visual Studio Installer并选择要安装的“Python Development”工作负载，如图所示
注意：由于我们只使用Python，因此不必安装由R和F＃语言组成的数据科学工作负载。
注意：您可能已经注意到（在红色框中）未选择Anaconda3。这是因为我们直接在网站上安装了Anaconda3，因此无需在Visual Studio 2017上重新安装它。启动时，Visual Studio会自动检测它并使其可用于所有项目。
有关在Visual Studio 2017上维护python环境的信息，请访问以下链接：
在VS 2017上安装Python环境：https://docs.microsoft.com/en-us/visualstudio/python/installing-python-interpreters
在VS 2017上为项目选择Python环境：https://docs.microsoft.com/en-us/visualstudio/python/selecting-a-python-environment-for-a-project?view=vs-2017
在VS 2017中管理Python环境：https://docs.microsoft.com/en-us/visualstudio/python/managing-python-environments-in-visual-studio
