环境简介

Windows+Anaconda+tensorflow+keras深度学习框架搭建

用python3.5作为开发语言，Spyder作为集成开发环境，使用较为流行的tensorflow框架，调用keras库，使用Anaconda3

python

python的数据处理能力主要依赖于Numpy,Scipy,Matplotlib,Pandas这四个库，其中Numpy提供了矩阵运算的功能，Scipy则在Numpy的基础上添加了许多科学计算的函数库，而这两个库就使得python具有和Matlab一样的数据处理能力了。Matplotlib库提供了绘图，可以实现数据的可视化，pandas是基于Numpy的一种工具，该库提供了高效地操作大型数据集所需的工具。这四个库需要我们进行单独安装，python本身并不具备这些库。

其中，sklearn是机器学习领域中最知名的python模块之一。包含四类算法：分类，回归，聚类和降维。使用模型的步骤：导入模块，读入数据，建立模型，训练和测试

深度学习框架

深度学习十大框架比较：https://www.cnblogs.com/xinbaby829/p/6949777.html

深度学习几大框架：Tensorflow，Caffe,CNTK,Theano，MXNet,PyTorch等。

框架简单比较：

Tensorflow是google开发的，开源的，支持python和c++,也支持使用gpu，但是是比较低层的库，一般结合keras进行使用。

MXNet支持使用多种语言进行编程，比如python ，R，c++等，并且可以扩展并使用大量的GPU.

Caffe是一个流行的视觉识别深度学习网络，但是不支持精细网络层，安装比较麻烦，文档比较少。。

theano是最老牌和最稳定的库之一，是一个比较低层的库，并且不支持多gpu和水平拓展。

Torch编程语言是Lua，Lua是一个小巧的脚本语言，很容易嵌入其它语言中使用，比如一些游戏使用Lua作为嵌入式脚本语言，比如愤怒的小鸟。

 Keras：基于python的深度学习库

神经网络库，易于使用，并且通过堆叠多个层来构建深度学习模型非常简单，这就是成为tensorflow核心API一部分的原因。

Keras 是一个非常高层的库，可以工作在 Theano 和 TensorFlow之上。句法是相当明晰的，文档也非常好。Keras的主要特点是模块化，用于组织网络层。比如神经网络层，优化器，激活函数，正则化方法等都是模块，这些模块可以以尽可能少的限制组装在一起，以构建新模型。

Sequential顺序模型，通过.add()堆叠模型，.compile()来配置学习过程，.fit()进行训练，

Anaconda

Anaconda可以对环境统一管理，可以获取各种便捷包并对其进行管理。Anaconda包含了conda,Python在内的超过180个科学包及依赖项。拥有conda包，环境管理器，和1000+的开源库

最主要的特点是安装过程在各种平台下都比较简单。