深度学习

本文详细介绍了如何在Anaconda3环境下安装Keras深度学习库,包括其依赖如scipy、cntk或tensorflow等后端的安装方法。同时,提供了解决pip安装超时问题的有效策略,通过修改pip配置文件或临时使用国内源加速下载。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

深度学习笔记

Anaconda3安装keras
keras 安装依赖scipy,并且还需要先安装cntk或tensorflow等后端
安装了这些前置软件之后可以直接用 pip install keras安装
没有这些前置软件的安装方法
conda install -c conda-forge keras=1.0.7 安装指定版
conda install -c conda-forge keras 安装最新版
深度学习稳定环境
Anaconda安装虚拟环境: python3.6 + tensorflow(2以下版本)+keras(2.0.8)
解决pip安装超时问题
一,首先在下面文件夹下建立一个pip文件夹

C:\Users\Administrator\AppData\Roaming

然后在pip文件夹下新建一个文件pip.ini,内容:

[global]
timeout = 60000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
use-mirrors = true
mirrors = https://pypi.tuna.tsinghua.edu.cn

这样就把pip安装源改成国内的了,速度很快
二,可单次使用国内源

1,设置超时时间:pip --default-timeout=100 install Pillow,

2,不使用缓存:pip --no-cache-dir install Pillow

2,使用国内源:pip install web.py -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

阿里云 http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

豆瓣(douban) http://pypi.douban.com/simple/

清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/

中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

例:使用如下方法解决 下载速度会明显改善
pip install -i https://pypi.doubanio.com/simple/ 包名

内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值