一文讓你秒懂精通pip并快速體驗(yàn)深度學(xué)習(xí)應(yīng)用【建議收藏】

前言

學(xué)會(huì)Python很重要，懂了基礎(chǔ)，再學(xué)會(huì)pip更加重要！

就像手機(jī)安裝應(yīng)用一樣簡(jiǎn)單，學(xué)委帶著你在主機(jī)上安裝pip，再安裝虛擬環(huán)境（virualenv），最后簡(jiǎn)單試水深度學(xué)習(xí)框架tensorflow！知識(shí)量很多，耐心看吧。

學(xué)委想說(shuō)，Python其實(shí)就跟白開(kāi)水一樣，沒(méi)有那么難，把握住了，上面的東西隨便玩！

你本來(lái)就學(xué)會(huì)了Python就是沒(méi)有找到好玩的庫(kù)，結(jié)果半路跑去玩游戲了，或者半路跑去學(xué)Java/C++了多么浪費(fèi)天賦??！哈哈哈

什么是pip

先說(shuō)Python 庫(kù), 它就像一個(gè)手機(jī)App

小白可以這樣理解，一個(gè)python庫(kù)，就像手機(jī)里面的一個(gè)App，一個(gè)普通應(yīng)用一樣。

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

很多開(kāi)發(fā)者做了一個(gè)優(yōu)秀的庫(kù)之后會(huì)發(fā)布到pypi網(wǎng)站（如下），這也是python開(kāi)源的基礎(chǔ)。

再說(shuō) pip， 它就像應(yīng)用寶

對(duì)小白來(lái)說(shuō)pip就像你的華為手機(jī)里面的應(yīng)用市場(chǎng)App或者像騰訊應(yīng)用寶App一樣的玩意。

它能夠給你搜索下載其他App。pip是一個(gè)用來(lái)安裝python庫(kù)的工具，類似NodeJS的npm。

開(kāi)發(fā)者可以貢獻(xiàn)自己開(kāi)發(fā)好的代碼到pypi，再使用pip就從pypi查找下載一個(gè)python 模塊。

這樣我們就能在項(xiàng)目中引入其他人的python 庫(kù)的模塊了。

比如requests這個(gè)模塊，可以引入用來(lái)訪問(wèn)http(s)鏈接。

下面是pip的使用幫助提示：

下面給我們的手機(jī)安裝應(yīng)用寶

沒(méi)打錯(cuò)，給我們的云主機(jī)安裝pip。

先查看版本號(hào)，很多服務(wù)器默認(rèn)都會(huì)安裝python 2.7（沒(méi)辦法，圖方便，也有很多懶人不升級(jí)python的，而且依然還有不少項(xiàng)目仍在用python2的）

python -V #查看版本號(hào)

Centos 安裝pip for python2

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

#!/bin/sh
#雷學(xué)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(shí)到這里，你一樣安裝了第一個(gè)python應(yīng)用，可以三連了。

試用pip來(lái)安裝庫(kù)

查看版本：pip -V

其實(shí)pip本身也是python社區(qū)里面的一款爆品應(yīng)用。

它本身也是一個(gè)python 庫(kù)。

#pip 搜索requests這個(gè)庫(kù)
pip search requests
#pip 安裝requests這個(gè)庫(kù)
pip install requests

配置國(guó)內(nèi)的Pypi鏡像倉(cāng)庫(kù)

因?yàn)閷W(xué)委這臺(tái)主機(jī)是騰訊云的，所以配了騰訊的倉(cāng)庫(kù)?。ㄈ绻v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(guó)內(nèi)的一些Pypi鏡像

阿里云

mirrors.aliyun.com/pypi/simple…

清華大學(xué)

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

校驗(yàn)是否配置生效：

查看你安裝的應(yīng)用 - pip 查本地庫(kù)

比如下面的命令：

#查看本地安裝的python庫(kù)
pip list
#比如你裝了tensorflow，可以查看這個(gè)庫(kù)的詳細(xì)信息，版本依賴等
pip show tensorflow

查看tensorflow這個(gè)深度學(xué)習(xí)庫(kù)的信息

試用pip安裝其他'應(yīng)用‘

安裝virtualenv

virtualenv 是一個(gè)提供了一個(gè)獨(dú)立的項(xiàng)目環(huán)境，它隔離了python項(xiàng)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(dāng)然，它也是一個(gè)python module。擁有它，你可以讓自己的每個(gè)項(xiàng)目獨(dú)立管理自己依賴的python庫(kù)。

簡(jiǎn)單來(lái)說(shuō)，virtualenv就相當(dāng)于，送您一部備用手機(jī)。
你在上面安裝其他應(yīng)用，隨便亂裝都不會(huì)影響到主手機(jī)的使用。
同理，你可以使用virtualenv來(lái)創(chuàng)建多個(gè)備用手機(jī)環(huán)境。

下面是比較繞的正式說(shuō)法（小白可以不看）。

有了virtualenv，就能實(shí)現(xiàn)單個(gè)項(xiàng)目（自己）的庫(kù)自己管理，而不跟系統(tǒng)Python公共庫(kù)路徑混起來(lái)！ 多個(gè)Python 項(xiàng)目也能互相獨(dú)立使用不同版本的python庫(kù)。

雷學(xué)委希望大家都有這個(gè)好習(xí)慣，多使用virtualenv來(lái)隔離不同python項(xiàng)目?。ㄆ鋵?shí)這個(gè)小技巧就應(yīng)該給三連了?。?br /> 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(kù)，并下載安裝到本機(jī)了。這就是應(yīng)用市場(chǎng)下載安裝一個(gè)應(yīng)用一樣一樣的！

玩轉(zhuǎn)深度學(xué)習(xí)框架tensorflow

使用virtualenv 創(chuàng)建一個(gè)項(xiàng)目并進(jìn)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(yùn)行效果

總共執(zhí)行5個(gè)迭代，訓(xùn)練模型，最后評(píng)估出來(lái)的模型準(zhǔn)確度為0.9768（比第一代 0.9147提高了6個(gè)百分點(diǎn)）

具體操作和項(xiàng)目配置

安裝tensorflow

pip install tensorflow

雷學(xué)委建議大伙先收藏，懶人直接復(fù)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(jī)器學(xué)習(xí)初學(xué)者做學(xué)習(xí)訓(xùn)練的一些數(shù)據(jù)
mnist = tf.keras.datasets.mnist

#加載訓(xùn)練數(shù)據(jù)（60K個(gè)樣本）和測(cè)試數(shù)據(jù)（10K個(gè)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(gè)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(yàn)指標(biāo)
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

#開(kāi)始訓(xùn)練，執(zhí)行5個(gè)迭代
model.fit(x_train, y_train, epochs=5)
#評(píng)估模型，verbose=2表示每一代處理當(dāng)作一行輸出
model.evaluate(x_test,  y_test, verbose=2)

這個(gè)模型對(duì)60K圖片樣本進(jìn)行識(shí)別，進(jìn)行5輪迭代的模型訓(xùn)練。（官方寫(xiě)的60K，下一篇給大伙數(shù)數(shù)）

最后再使用測(cè)試數(shù)據(jù)集對(duì)訓(xùn)練好的模型進(jìn)行評(píng)估。

是不是上面的代碼看不懂？過(guò)來(lái)看看下面的人話吧。

這個(gè)過(guò)程就相當(dāng)于整個(gè)字庫(kù)里面有100個(gè)字，你拿了90個(gè)字來(lái)臨摹，臨摹了5遍毛筆字，每次都看一下跟標(biāo)準(zhǔn)字體貼合率（準(zhǔn)確率）。
最后在把另外10個(gè)字丟給你寫(xiě)，寫(xiě)完看看你寫(xiě)字的準(zhǔn)確率，寫(xiě)的夠不夠標(biāo)準(zhǔn)。
你就像一個(gè)被不斷訓(xùn)練的模型，字庫(kù)/測(cè)試字庫(kù)都是用來(lái)訓(xùn)練的數(shù)據(jù)
只要給你訓(xùn)練的足夠多，你就能夠?qū)懗龈每锤鼧?biāo)準(zhǔn)的字，懂了嗎？學(xué)習(xí)知識(shí)也是一樣的。

好了，本文的重點(diǎn)是安裝掌握pip，順便玩第一個(gè)DL應(yīng)用。

再看看這個(gè)圖，你懂了嗎？請(qǐng)記住這個(gè)圖！

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

參考鏈接

• Python共享中心倉(cāng)庫(kù)
• VirtualEnv
• TensorFlow初學(xué)者快速入門

總結(jié)

到此這篇關(guān)于pip快速體驗(yàn)深度學(xué)習(xí)應(yīng)用的文章就介紹到這了,更多相關(guān)pip快速體驗(yàn)學(xué)習(xí)應(yīng)用內(nèi)容請(qǐng)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！