近年来深度学习在人工智能领域飞速发展，各行业的学者、研究人员纷纷涌入研究热潮。本文将从 R 语言角度来介绍深度学习并解决以下几个问题：
- 什么是深度学习？
- 相关深度学习包有哪些？
- 如何配置工作环境？
- 如何使用神经网络建立模型？
上一部分已经解决了前两个问题：基于 R 语言的深度学习——简介及资料分享。本文主要解决：如何配置 R 语言深度学习的工作环境？
配置工作环境
在使用 R 进行深度学习前，需要在系统上安装以下东西：
- R 和 RStudio
- TensorFlow
- Keras
本文默认读者为 R 语言爱好者，已经安装好了 R 和 RStudio。并且 Anaconda 的安装[1]，也不将在本文介绍，需要读者自行解决。
- 安装 TensorFlow 包：
install.packages("tensorflow")
如果在上一步中尚未安装 Anaconda，此时将被要求安装 Miniconda。读者需要接受并等待所有软件包安装。
- 使用
install_tensorflow()函数安装 TensorFlow。
library(tensorflow) install_tensorflow()
- 确认是否安装成功：
library(tensorflow) tf$constant("Hellow Tensorflow") ## tf.Tensor(b'Hellow Tensorflow', shape=(), dtype=string)
此时，默认安装了适用于 R 的 TensorFlow 版本。
- 安装并加载 keras 包：
install.packages('keras') library(keras) install_keras()
默认安装 CPU 版本的 Keras。如果需要安装 GPU 版本，则应使用此命令：
install_keras(tensorflow = 'gpu')
- 确认是否安装成功：
packageVersion('keras') packageVersion('tensorflow')
当工作环境搭建完毕后，就可以开始利用 R 语言做深度学习了。
参考资料
[1]
