手把手教你搭建AI开发环境 !(附代码、下载地址)

简介: 人最大的长处就是有厉害的大脑。电脑、手机等都是对人大脑的拓展。现今,我们每个人都有这个机会,让自己头脑在智能的帮助下,达到极高的高度。所以,拥抱科技,让智能产品成为我们个人智力的拓展,更好的去生活、去战斗。

人最大的长处就是有厉害的大脑。电脑、手机等都是对人大脑的拓展。现今,我们每个人都有这个机会,让自己头脑在智能的帮助下,达到极高的高度。所以,拥抱科技,让智能产品成为我们个人智力的拓展,更好的去生活、去战斗。

用项目引导学习:

我们的目标是用现有最流行的谷歌开源框架TensorFlow,搭建一款儿童助学帮手。类似于现在已有的在售商品小米智能语音盒子之类的东西,。

一、Windows下安装虚拟机VMware Workstation,在虚拟机中安装Ubuntu

温馨提示:要善用搜索引擎,解决各类简单问题

  • VMware Workstation下载地址:

http://www.zdfans.com/5928.html

  • Ubuntu官方网站:

https://www.ubuntu.com/index_kylin

安装完成:

f5a38f357a9b46eb8ca619a9fad384a7a52f93d6

二、在Ubuntu中安装python3

进入系统,桌面右键单击,点击open Terminal

2591584b8ad511f20706de20c3f1bba9a83e6e5b

d999abf90d2a089685a1f036d0ce00cad94ecb82

进入命令行模式。输入python,发现系统自带python2.7.我们要安装python3

dd830ea15ed57f7cdfccc68a079fd68114b08c7a


退出python(用exit()),输入sudo apt-get install python3,安装python3.已经提前安装过了,安装的是python3.5下面是显示的内容,安装成功。

6bf00ffeeb18f16e7d46bb97ccffc174f2bd3cd9

三、安装TensorFlow

有很多种安装方法,可以自行搜索。tensorflow有CPU和GPU两个版本, 后者支持使用GPU能力来做数据运算, 对GPU的型号有一定限制, 还要安装一堆东西, 对于新手,没必要装(官方推荐先装CPU的).

Step1: 用下面命令安装pip和virtualenv

sudo apt-get install python-pip python-dev python-virtualenv

Step2:创建一个virtualenv环境

virtualenv --system-site-packages targetDirectory

注意:这里的”targetDirectory”定义了virtualenv的根目录,这里推荐使用 ~/tensorflow,所以这里的输入是:

virtualenv --system-site-packages ~/tensorflow,

Step3:激活刚才创建的virtualenv环境

一般情况下(如果你用的是ubuntu自带的终端或者用的不是csh)输入:

source ~/tensorflow/bin/activate12

Step4:如果你用的终端是csh,请输入:

source ~/tensorflow/bin/activate.csh12

输入命令后,你的命令行前面会出现”(tensorflow)”,如果成功的话.

Step5:现在,在这个已经被激活了的tensorflow环境下,使用下面语句安装tensorflow的cpu版:

(tensorflow)$ pip install --upgrade tensorflow # 如果你用 Python 2.7(tensorflow)$ pip3 install --upgrade tensorflow # 如果你用Python3.n

36f06edd779372fe80aa325f2c55ebab03874acb

安装成功!

五、测试

Step1:打开终端输入

cd tensorflow
source bin/activate
python

Step2:输入python后输入以下示例

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a+b))
42
>>>

Step3:测试成功接下来首先退出python 按快捷键Ctrl+D

Step4:再退出tensorflow 在命令行输入命令:

deactivate


原文发布时间为:2017-12-15

本文作者:文摘菌

本文来自云栖社区合作伙伴“数据派THU”,了解相关信息可以关注“数据派THU”微信公众号

相关文章
|
4月前
|
人工智能 编解码 数据可视化
AI Earth ——开发者模式案例1:按区域进行Sentinel2L2A检索与下载
AI Earth ——开发者模式案例1:按区域进行Sentinel2L2A检索与下载
69 0
|
9月前
|
人工智能 开发者
解决HuggingFace模型下载难题:AI快站的高效加速服务
在AI研发领域,获取优质模型资源是关键。国内开发者常因海外服务器导致的下载困难而苦恼,尤其是大型模型下载更是耗时且充满挑战。AI快站(aifasthub.com)作为huggingface镜像网站,提供了高效的加速下载服务。它不仅解决了huggingface大模型下载的速度问题,还支持断点续传,保证下载连续性。此外,AI快站还提供全面及时更新的模型资源,是国内AI开发者的理想选择。
1191 0
|
4月前
|
机器学习/深度学习 人工智能 安全
ai集成环境
【4月更文挑战第27天】ai集成环境
50 1
|
30天前
|
机器学习/深度学习 人工智能 算法
在 AI Native 环境中实现自动超参数优化的微调方法
【8月更文第1天】随着人工智能技术的不断发展,深度学习模型的训练变得越来越复杂。为了达到最佳性能,需要对模型进行微调,特别是对超参数的选择。本文将探讨如何在 AI Native 环境下使用自动化工具和技术来优化模型的微调过程。
44 5
|
12天前
|
人工智能 Kubernetes 持续交付
Kubernetes环境下基于微服务架构的容器化AI应用部署与管理最佳实践
【8月更文第19天】随着AI技术的快速发展,越来越多的企业开始将AI应用部署到生产环境。然而,AI应用往往包含大量的组件和服务,这使得其部署和管理变得非常复杂。微服务架构和容器化技术(如Docker)结合Kubernetes集群管理,为解决这些问题提供了强大的工具。本文将介绍如何在Kubernetes环境中部署和管理基于微服务架构的容器化AI应用。
24 0
|
2月前
|
人工智能 Serverless 异构计算
[AI Cog] 想要运营AI业务,但没有GPU?环境搞不定?使用Cog帮您轻松将业务部署上云
[AI Cog] 想要运营AI业务,但没有GPU?环境搞不定?使用Cog帮您轻松将业务部署上云
|
2月前
|
人工智能 运维 Serverless
报名参课丨解锁 Serverless+AI 新模式,拥有专属 AIGC 环境
Serverless 和 AI 大模型都是当前云上最火的技术方向,本次活动期望通过 Severless+AI 技术的强强联合,期待为客户提供基于 Serverless 技术实现 AI 推理部署平台的技术思路,一键解锁 AI 潜力,无需繁琐运维,降低 GPU 的使用成本、减少企业或个人创业的试错成本,让人人都可以拥有自己“专属”的 AIGC 环境成为可能。
|
3月前
|
人工智能 运维 Cloud Native
活动回顾丨云原生技术实践营 Serverless + AI 专场 (深圳站) 回顾 & PPT 下载
云原生技术实践营 Serverless + AI 专场 (深圳站) 回顾。
|
3月前
|
人工智能 容器 运维
活动回顾丨AI 原生应用架构专场·北京站 PPT 下载
5 月 24 日,飞天技术沙龙首个 AI 原生应用架构专场在北京举办。
|
3月前
|
人工智能 Serverless 开发者
活动回顾丨飞天技术沙龙 Serverless + AI 专场(上海站)回顾 & PPT 下载
活动回顾丨飞天技术沙龙 Serverless + AI 专场(上海站)回顾 & PPT 下载。
活动回顾丨飞天技术沙龙 Serverless + AI 专场(上海站)回顾 & PPT 下载
下一篇
云函数