前言

學會Python很重要，懂了基礎(chǔ)，再學會pip更加重要！

就像手機安裝應用一樣簡單，學委帶著你在主機上安裝pip，再安裝虛擬環(huán)境（virualenv），最后簡單試水深度學習框架tensorflow！知識量很多，耐心看吧。

學委想說，Python其實就跟白開水一樣，沒有那么難，把握住了，上面的東西隨便玩！

你本來就學會了Python就是沒有找到好玩的庫，結(jié)果半路跑去玩游戲了，或者半路跑去學Java/C++了多么浪費天賦啊！哈哈哈

什么是pip

先說Python 庫, 它就像一個手機App

小白可以這樣理解，一個python庫，就像手機里面的一個App，一個普通應用一樣。

一個python 庫就是將Python代碼組織在一個文件夾或者多個作為一個整體單位發(fā)行出去的代碼庫。

很多開發(fā)者做了一個優(yōu)秀的庫之后會發(fā)布到pypi網(wǎng)站（如下），這也是python開源的基礎(chǔ)。

再說 pip， 它就像應用寶

對小白來說pip就像你的華為手機里面的應用市場App或者像騰訊應用寶App一樣的玩意。

它能夠給你搜索下載其他App。pip是一個用來安裝python庫的工具，類似NodeJS的npm。

開發(fā)者可以貢獻自己開發(fā)好的代碼到pypi，再使用pip就從pypi查找下載一個python 模塊。

這樣我們就能在項目中引入其他人的python 庫的模塊了。

比如requests這個模塊，可以引入用來訪問http(s)鏈接。

下面是pip的使用幫助提示：

下面給我們的手機安裝應用寶

沒打錯，給我們的云主機安裝pip。

先查看版本號，很多服務器默認都會安裝python 2.7（沒辦法，圖方便，也有很多懶人不升級python的，而且依然還有不少項目仍在用python2的）

python -V #查看版本號

Centos 安裝pip for python2

雷學委準備了下面的腳本，只要你有一個Linux操作系統(tǒng)（云/虛擬機都行），執(zhí)行下面的腳本可以安裝pip。

#!/bin/sh
#雷學委建議懂得朋友修改下面代碼，安裝pip for python3
#python3
#getPip=https://bootstrap.pypa.io/get-pip.py
#python2
getPip=https://bootstrap.pypa.io/pip/2.7/get-pip.py

pipFile=./get-pip.py
if [ ! -e ${pipFile} ] ; then 
    echo "download pip"
    wget ${getPip} -O ${pipFile}
fi

python ${pipFile}

安裝效果圖：

好了，其實到這里，你一樣安裝了第一個python應用，可以三連了。

試用pip來安裝庫

查看版本：pip -V

其實pip本身也是python社區(qū)里面的一款爆品應用。

它本身也是一個python 庫。

#pip 搜索requests這個庫
pip search requests
#pip 安裝requests這個庫
pip install requests

配置國內(nèi)的Pypi鏡像倉庫

因為學委這臺主機是騰訊云的，所以配了騰訊的倉庫！（如果騰訊云看到了這篇文章，希望給博主多一些優(yōu)惠，哈哈哈）

[global]
index-url = http://mirrors.tencentyun.com/pypi/simple
trusted-host = mirrors.tencentyun.com

國內(nèi)的一些Pypi鏡像

阿里云

mirrors.aliyun.com/pypi/simple…

清華大學

pypi.tuna.tsinghua.edu.cn/simple/

校驗是否配置生效：

查看你安裝的應用 - pip 查本地庫

比如下面的命令：

#查看本地安裝的python庫
pip list
#比如你裝了tensorflow，可以查看這個庫的詳細信息，版本依賴等
pip show tensorflow

查看tensorflow這個深度學習庫的信息

試用pip安裝其他'應用‘

安裝virtualenv

virtualenv 是一個提供了一個獨立的項目環(huán)境，它隔離了python項目跟系統(tǒng)python的依賴（比如site-packages）內(nèi)的一些非官方發(fā)行的包。

當然，它也是一個python module。擁有它，你可以讓自己的每個項目獨立管理自己依賴的python庫。

簡單來說，virtualenv就相當于，送您一部備用手機。
你在上面安裝其他應用，隨便亂裝都不會影響到主手機的使用。
同理，你可以使用virtualenv來創(chuàng)建多個備用手機環(huán)境。

下面是比較繞的正式說法（小白可以不看）。

有了virtualenv，就能實現(xiàn)單個項目（自己）的庫自己管理，而不跟系統(tǒng)Python公共庫路徑混起來！ 多個Python 項目也能互相獨立使用不同版本的python庫。

雷學委希望大家都有這個好習慣，多使用virtualenv來隔離不同python項目?。ㄆ鋵嵾@個小技巧就應該給三連了！）
看到這里，繼續(xù)安裝吧

pip install virtualenv

安裝效果如下，pip幫我們下載安裝virtualenv庫，并下載安裝到本機了。這就是應用市場下載安裝一個應用一樣一樣的！

玩轉(zhuǎn)深度學習框架tensorflow

使用virtualenv 創(chuàng)建一個項目并進入目錄，激活切換到虛擬環(huán)境

virtualenv tensorflow-demo 
cd  tensorflow-demo
source bin/activate

下面先看運行效果

總共執(zhí)行5個迭代，訓練模型，最后評估出來的模型準確度為0.9768（比第一代 0.9147提高了6個百分點）

具體操作和項目配置

安裝tensorflow

pip install tensorflow

雷學委建議大伙先收藏，懶人直接復制代碼：

import tensorflow as tf

#http://yann.lecun.com/exdb/mnist/ - mnist數(shù)據(jù)集，就是一些專業(yè)人員整理的方便機器學習初學者做學習訓練的一些數(shù)據(jù)
mnist = tf.keras.datasets.mnist

#加載訓練數(shù)據(jù)（60K個樣本）和測試數(shù)據(jù)（10K個樣本）
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

#定義一個模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])
#編譯配置模型的優(yōu)化器，損耗函數(shù)，以及檢驗指標
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

#開始訓練，執(zhí)行5個迭代
model.fit(x_train, y_train, epochs=5)
#評估模型，verbose=2表示每一代處理當作一行輸出
model.evaluate(x_test,  y_test, verbose=2)

這個模型對60K圖片樣本進行識別，進行5輪迭代的模型訓練。（官方寫的60K，下一篇給大伙數(shù)數(shù)）

最后再使用測試數(shù)據(jù)集對訓練好的模型進行評估。

是不是上面的代碼看不懂？過來看看下面的人話吧。

這個過程就相當于整個字庫里面有100個字，你拿了90個字來臨摹，臨摹了5遍毛筆字，每次都看一下跟標準字體貼合率（準確率）。
最后在把另外10個字丟給你寫，寫完看看你寫字的準確率，寫的夠不夠標準。
你就像一個被不斷訓練的模型，字庫/測試字庫都是用來訓練的數(shù)據(jù)
只要給你訓練的足夠多，你就能夠?qū)懗龈每锤鼧藴实淖?，懂了嗎？學習知識也是一樣的。

好了，本文的重點是安裝掌握pip，順便玩第一個DL應用。

再看看這個圖，你懂了嗎？請記住這個圖！

先寫到這里了。恭喜你，看到這里已經(jīng)超值了，幾分鐘到功夫，學到這么多

參考鏈接

• Python共享中心倉庫
• VirtualEnv
• TensorFlow初學者快速入門

總結(jié)

到此這篇關(guān)于pip快速體驗深度學習應用的文章就介紹到這了,更多相關(guān)pip快速體驗學習應用內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論