本科生学深度学习,搭建环境,再不入坑就晚了

简介: 最近没怎么写游戏了,一直在写python,是因为我对深度学习感兴趣,想学习一下,同时也觉得AI是未来,所以去学习了一段时间。

最近没怎么写游戏了,一直在写python,是因为我对深度学习感兴趣,想学习一下,同时也觉得AI是未来,所以去学习了一段时间。


1、目的 AI 和游戏的结合是 强化学习,强化学习是深度学习的一个分支,之前也写过一点深度学习,所以这次的学习路线就是由机器学习到深度学习,最后到强化学习,不得不说一条路线对于我来说其实有点难的,深度学习各种公式,各种概念,各种框架,需要时间的积累,所以不是一下就能学会的,在接下来的一段时间还是由浅入深,慢慢的像强化学习逼近,希望能有所产出。


2、心理准备 鉴于我的本科基础,所以我的文章对公式的解读可能不多,只是从我的理解层面去学习,所以如果你看我写的学习记录,不用担心你数学不好,不用担心公式看不懂,因为我也只是理解皮毛,只要理解公式背后的含义和公式在做什么,我们能在使用的过程中知道自己做什么就可以了。


说实在话那些公式看懂了之后原理也很简单,不用害怕。


3、IDE的选择 今天是我写的AI第一篇,所以先搞一下环境,在市面上的文章都是用的Jupyter Notebook,但是问了公司做AI的大佬,说是这东西用来做实验,做教程还行,但是对于真正的开发是不合适的,所以我不会选择这种。我选择的编辑器是pycharm。


4、AI框架的选择 现在最流行的AI学习框架大家应该都知道,一个是TensorFlow 一个是pytorch。


TensorFlow 来自谷歌,pytorch 来自Facebook,两个都是出自名门,各自有各自的优势。


TensorFlow在生产中用的比较多,pytorch用在科研比较多,但是我们公司似乎用的pytorch。


我选择的框架是pytorch,原因是在公司可以找到大佬指教,另外一个原因就是之前写强化学习的时候因为公司网络的限制,当时安装的是pytorch,有一定的经验,没有经验的你也不用担心。


5、安装环境 1、python的安装


python的安装我选择的是python3.8 ,你可以根据你自己的环境选择,安装教程也不赘述了,一路next ,闪电带火花,没有任何难度


2、pycharm的安装


pycharm的安装就不赘述了。网上的教程一堆一堆的,一路next 加上破解就可以了,网上都有教程,相信没有难度,如果真的遇到困难可以留言和我交流,或者加我微信,公众号的菜单就可以获取我的微信


3、pytorch的安装


因为我写学习记录,也因为我笔记本的缘故,所以不支持gpu训练,我以后换了台式机可能到时会再补上。


pytorch 官网:pytorch.org/

29b5fe692e6c41a3a988bd2d97d464fb~tplv-k3u1fbpfcp-zoom-in-crop-mark_1304_0_0_0.webp.jpg

根据自己的环境选择,生成安装命令,大概率你和我一样是window,不支持GPU,所以和我一样选择就好

98fbeaeee68f48f4892f9051f5768b30~tplv-k3u1fbpfcp-zoom-in-crop-mark_1304_0_0_0.webp.jpg

在控制台执行 :


pip3 install torch torchvision torchaudio


由三种方式执行:


第一种:如果你在安装的时候python加入了环境变量,可以直接 开始按钮,输入cmd

d8d49ac034cc441d84e241591c44823e~tplv-k3u1fbpfcp-zoom-in-crop-mark_1304_0_0_0.webp.jpg

6368bded1ed94bef95d26c2e4cf06853~tplv-k3u1fbpfcp-zoom-in-crop-mark_1304_0_0_0.webp.jpg

第二种:在pip3.exe 的目录下输入命令


同样打开cmd 命令,输入  cd  python 安装目录,进入到python的目录,例如 :


cd C:\py38\Scripts


或者 直接打开 pip3.exe 的目录,按住shfit 键,然后右键:

5845ca663c624c6196837a0ceaf4b2ee~tplv-k3u1fbpfcp-zoom-in-crop-mark_1304_0_0_0.webp.jpg

然后输入 安装命令


第三种,在pycharm 中输入选择 terminal

41d436bc3fe24600942d8cff0575ffad~tplv-k3u1fbpfcp-zoom-in-crop-mark_1304_0_0_0.webp.jpg

等待安装完成就可以了


4、测试环境


测试环境是否正常,在pycharm中创建一个py文件


#!/usr/bin/env python
# encoding: utf-8
"""
#Author: 香菜
@time: 2021/8/26 0026 下午 9:59
"""
import  torch
if __name__ == '__main__':
   x = torch.rand(5, 3)
   print(x)
复制代码


运行不报错就可以了,输出结果如下:


tensor([[0.2694, 0.3946, 0.3710],
      [0.0166, 0.1028, 0.3075],
      [0.1616, 0.8462, 0.2754],
      [0.5104, 0.0296, 0.3117],
      [0.9684, 0.9381, 0.1651]])
复制代码


6、总结


环境的安装虽然很简单,但是对于想要学习的你来说也不容易,毕竟万事开头难,遇到问题很正常,下篇我们写个入门,并且介绍一些概念。准备好一起学习了吗?

目录
相关文章
|
3月前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现深度学习模型:智能垃圾分类与环境保护
使用Python实现深度学习模型:智能垃圾分类与环境保护 【8月更文挑战第7天】
177 2
|
6月前
|
机器学习/深度学习 并行计算 算法框架/工具
在Python中进行深度学习环境准备
在Python中进行深度学习环境准备
87 4
|
2月前
|
机器学习/深度学习 自动驾驶 算法
深度学习之虚拟环境生成
基于深度学习的虚拟环境生成是利用深度学习技术自动创建复杂的三维虚拟场景和环境。这一领域在游戏开发、虚拟现实(VR)、增强现实(AR)、模拟训练等方面有广泛的应用。
43 6
|
29天前
|
机器学习/深度学习 数据挖掘 数据处理
深度学习之卫星图像中的环境监测
基于深度学习的卫星图像环境监测是指通过使用深度学习模型处理和分析来自卫星的遥感数据,以实现对地球环境的自动化监测和分析。这项技术极大提升了环境监测的效率、精度和规模,应用于气候变化研究、生态保护、自然灾害监测、城市扩张评估等多个领域。
73 0
|
1月前
|
机器学习/深度学习 人工智能 vr&ar
深度学习之实时数据驱动的虚拟环境
基于深度学习的实时数据驱动的虚拟环境是近年来在计算机图形学、人工智能和虚拟现实(VR)领域的热门话题。
34 0
|
3月前
|
机器学习/深度学习 传感器 监控
深度学习之环境感知模型
基于深度学习的环境感知模型,旨在通过利用深度学习技术,使系统能够感知、理解并响应其所在的物理或虚拟环境。此类模型在自动驾驶、机器人导航、智能监控、虚拟现实等领域有着广泛的应用。
57 3
|
3月前
|
机器学习/深度学习 传感器 算法
深度学习之环境感知系统
基于深度学习的环境感知系统是一类能够理解、感知和解读周围环境的智能系统。通过使用深度学习算法,这些系统可以分析多模态数据(如图像、音频、激光雷达数据等),实时感知环境的动态变化,为自动驾驶、机器人、智能家居等领域提供关键支持。
89 3
|
3月前
|
机器学习/深度学习 自然语言处理 数据处理
|
3月前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现深度学习模型:智能环境监测与预警
【8月更文挑战第11天】 使用Python实现深度学习模型:智能环境监测与预警
501 2
|
3月前
|
机器学习/深度学习 传感器 监控
深度学习之环境感知模型
基于深度学习的环境感知模型,旨在通过利用深度学习技术,使系统能够感知、理解并响应其所在的物理或虚拟环境。
71 0

热门文章

最新文章