6、深度学习之Python获取与使用指南

深度学习之Python获取与使用指南

1. 选择Python的理由

深度学习离不开代码，编程语言众多，但Python是个绝佳选择。它能在多种平台运行，且在开发者社区得到广泛支持。根据编写时的Tiobe Index（https://www.tiobe.com/tiobe-index/），Python是全球排名第四的语言，众多资料表明它在深度学习领域表现出色（详情见https://www.analyticsindiamag.com/top-10-programming-languages-data-scientists-learn-2018/）。

在使用Python解决深度学习问题前，需完成可行的安装，并获取相关数据集和代码。下载示例代码并安装到系统，能让学习体验更佳。同时，还可探索替代方案，如Google Colaboratory（https://colab.research.google.com/notebooks/welcome.ipynb，简称Colab），方便在平板电脑等设备上工作。

使用可下载的源代码不妨碍手动输入示例代码、使用调试器、扩展代码等。它能帮助我们开启深度学习和Python学习之旅。当看到代码正确输入和配置后的运行效果，就可尝试自行创建示例。若出错，可与下载的源代码对比找出错误。相关源代码可在DL4D_03_Sample.ipynb、DL4D_03_Dataset_Load.ipynb、DL4D_03_Indentation.ipynb和DL4D_03_Comments.ipynb文件中找到。

2. Python环境要求

Python环境不断变化，社区的改进会带来一些不兼容的改变，虽可能影响不大，但会干扰深度学习编程