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
|
13天前
|
人工智能 IDE 程序员
通义灵码 2.0 AI 程序员下载安装
通义灵码2.0 AI程序员支持JetBrains IDEs、Visual Studio Code及远程开发场景,暂不支持Visual Studio。用户可通过插件市场搜索“TONGYI Lingma”安装,确保版本升级至2.0以上。安装后登录阿里云账号即可使用,个人版和企业版均免费。新手可参考官方指南进行IDE安装配置。
582 9
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
构建智能化编程环境:AI 与代码编辑器的融合
在人工智能的推动下,未来的代码编辑器将转变为智能化编程环境,具备智能代码补全、自动化错误检测与修复、个性化学习支持及自动化代码审查等功能。本文探讨了其核心功能、技术实现(包括机器学习、自然语言处理、深度学习及知识图谱)及应用场景,如辅助新手开发者、提升高级开发者效率和优化团队协作。随着AI技术进步,智能化编程环境将成为软件开发的重要趋势,变革开发者工作方式,提升效率,降低编程门槛,并推动行业创新。
|
3月前
|
机器学习/深度学习 传感器 人工智能
AI与环境保护:可持续发展的伙伴
在科技日新月异的时代,人工智能(AI)不仅改变了我们的生活和工作方式,还在环保和可持续发展领域发挥重要作用。AI通过环境监测、资源优化、垃圾分类、绿色出行和环保教育等多方面的应用,为环保事业注入新活力,推动社会向更加绿色、可持续的方向发展。
|
4月前
|
机器学习/深度学习 人工智能 TensorFlow
解锁AI潜力:让开源模型在私有环境绽放——手把手教你搭建专属智能服务,保障数据安全与性能优化的秘密攻略
【10月更文挑战第8天】本文介绍了如何将开源的机器学习模型(如TensorFlow下的MobileNet)进行私有化部署,包括环境准备、模型获取与转换、启动TensorFlow Serving服务及验证部署效果等步骤,适用于希望保护用户数据并优化服务性能的企业。
184 4
|
9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
105 1
|
5月前
|
人工智能 前端开发 云计算
本地搭建AI环境
本地搭建AI环境
154 1
|
6月前
|
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。
263 5
|
8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。
496 20
|
8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
|
6月前
|
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。
441 0

热门文章

最新文章