1-5 开发环境安装
1．开发环境安装
Python是目前机器学习主流的程序语言，可以直接在本机安装开发环境，亦能使用云端环境，首先介绍本机安装的程序，建议依照以下顺序安装。
（1）安装Anaconda：建议安装此软件，它内含Python及上百个常用工具包。用户可先至https://www.anaconda.com/products/individual下载安装文件，在Windows操作系统安装时，建议执行到图1.9所示画面时，将两者都勾选，就可将安装路径加入至环境变量Path内，这样就能保证在任何目录下均可执行Python程序。Mac/Linux系统则须自行修改登录文件（Profile），增加Anaconda安装路径。
图1.9 Anaconda安装注意事项
（2）安装TensorFlow最新版：Windows操作系统安装时，运行cmd命令，开启DOS窗口，Mac/Linux则须开启终端机，输入：
pip install TensorFlow
注意：此指令同时支持CPU及GPU，但要支持GPU须另外安装驱动程序及SDK。
（3）测试：安装完成，在DOS窗口或终端机内，输入python，进入交互式环境，再输入以下指令进行测试：
> import tensorflow
> exit()
①若出现下列错误：
from tensorflow.python._pywrap_tensorflow_internal import *
ImportError：DLL load failed：The specified module could not be found.则可能是Windows操作系统较旧，须安装MSVC 2019 runtime。
②如果还是出现DLL cannot be loaded.，也可使用Anaconda提供的指令来安装。
conda install tensorflow。
③注意：若安装Python V3.7或更旧版，则只能安装TensorFlow 2.0.0版或以下版本。
（4）若要支持GPU，则还需安装CUDA Toolkit、cuDNN SDK，只能安装TensorFlow支持的版本，请参考TensorFlow官网说明[3]，如图1.10所示。
图1.10 TensorFlow支持的CUDA Toolkit版本
注意：目前只支持NVIDIA独立显卡，若是较旧型的显卡，则必须查阅驱动程序搭配的版本信息请参考NVIDIA官网说明[4]，如图1.11所示。
图1.11 CUDA Toolkit版本与驱动程序的搭配
（5）提醒各位读者，低端的显卡，若不能安装TensorFlow支持的版本，就不用安装CUDA Toolkit、cuDNN SDK了，因为显卡内存过小，执行TensorFlow时常常会发生内存不足（OOM）的错误，徒增困扰。
（6）CUDA Toolkit、cuDNN SDK安装成功后，将安装路径下的bin、libnvvp加入至环境变量Path中，如图1.12所示。
图1.12 将bin、libnvvp加入Path中
（7）安装若有其他问题，可参考笔者的博客文章“Day 01：轻松掌握Keras”[5]。
2．云端环境的开通
我们再来谈谈云端环境的开通，Google、AWS、Azure都提供机器学习的开发环境，这里介绍免费的Google云端环境——Colaboratory，须具备Gmail账号才能使用，其具以下特点。
（1）常用的框架均已预安装，包括TensorFlow。
（2）免费的GPU：NVIDIA Tesla K80 GPU显卡，含12GB内存，设置合理。
（3）它在使用时实时开通Docker Container，限连续使用12小时，超时的话虚拟环境会被回收，所有程序、数据一律会被删除。
开通程序如下。
（1）使用Google Chrome浏览器，进入云端硬盘（Google Drive）接口。
（2）建立一个目录，如“0”，并切换至该目录，如图1.13所示。
图1.13 新建目录
（3）在屏幕中间右击，选择“更多”>“关联更多应用”选项，如图1.14所示。
图1.14 连结应用程序
（4）在搜索栏输入“Colaboratory”，找到后单击该App，单击“Connect”按钮即可开通，如图1.15和图1.16所示。
图1.15 搜索“Colaboratory”
图1.16 开通“Colaboratory”
（5）开通后，即可开始使用，可新增一个“Colaboratory”的文件，如图1.17所示。
图1.17 新增“Colaboratory”文件
（6）Google Colaboratory会自动开启虚拟环境，建立一个空白的Jupyter Notebook文件，后缀为ipynb，几乎所有的云端环境及大数据平台Databricks都以Notebook为主要使用接口，如图1.18所示。
图1.18 自动建立空白Jupyter Notebook文件
（7）或者直接以鼠标双击Notebook文件，也可以自动开启虚拟环境，进行编辑与执行。本机的Notebook文件也可以上传至云端硬盘，选择使用完全不用转换，非常方便。
（8）若要支持GPU可设定运行环境使用GPU或TPU，TPU为Google发明的NPU，如图1.19所示。
图1.19 设定运行环境使用GPU或TPU
（9）“Colaboratory”相关操作，可参考官网说明[6]。
注意：本书所附的范例程序，一律为Notebook文件，因为Notebook可以使用Markdown语法撰写美观的说明，包括数学公式，另外，程序也可以单独执行，便于讲解，相关的用法可以参考Jupyter Notebook：An Introduction [7]。