3、深度学习与 Python 编程基础

深度学习与 Python 编程基础

1. 深度学习中的 GPU 技术

在现代深度学习领域，强大的图形处理单元（GPU）的发展是一项关键技术。GPU 最初是为视频游戏设计的，它是图形卡上实现的协处理器。由于其高度并行的特性，GPU 非常适合满足深度神经网络模型极高的计算需求。即使是基本的台式计算机，借助 GPU 也能拥有类似超级计算机的能力，近年来深度学习的许多进展都离不开 GPU 的支持。NVIDIA 是深度学习 GPU 领域的领导者，其计算统一设备架构（CUDA）为深度学习的成功奠定了基础。可以说，如果没有 GPU，深度学习可能不会出现，或者至少不会得到如此广泛的应用。

不过，在一些情况下，我们并不一定需要 GPU。可以使用足够小的数据集和模型，仅通过 CPU 就能在合理的时间内完成训练。例如，安装的 TensorFlow 版本为仅支持 CPU 的版本。但如果拥有支持 CUDA 的 GPU 并想用于深度学习，也是可行的。在安装之前，需要确保正确安装 CUDA，并安装支持 GPU 的 TensorFlow 版本。需要注意的是，sklearn 工具包仅支持 CPU。

2. Python 基础入门

对于有编程基础但不熟悉 Python 的人来说，了解 Python 的基本特性是很有必要的。Python 由顺序语句通过缩进分组为代码块，包含数字、字符串、元组、列表和字典等数据结构，以及 if - elif - else、for 循环、while 循环、with 语句和 try - except 块等控制结构，还有可嵌套的函数和大量可导入的模块。

2.1 Python 解释器

在 Linux 系统中，Python 通常有