预善其事，先利其器——AI开发工具介绍及其配置

1. AI开发环境推荐

• Python
• Anaconda
• Jupyter Notebook

1.1 Python

Python是一种解释性的、面向对象的、移植性强的高级程序语言

• 解释性：不需要编译成二进制代码，可以直接从源代码运行
• 面向对象：支持面向过程编程也支持面向对象编程
• 可移植性：它的开源性决定了其可在不同平台进行开发
• 高层语言：无需考虑诸如如何管理程序使用的内存一类的底层细节

基于其特性被称为学习AI的首选语言，可以去官网下载python3.x版本系列，对AI感兴趣的小伙伴对此应该不陌生
1.2 Ananconda

Anaconda是一个免费开源的Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析）,可以进行Python包管理和环境管理

• 跨平台性，支持Linux、Mac、Windows
• 对Python多版本并存问题、切换问题、第三方包安装问题都能有效解决

官网下载安装后运行，主界面如下：

我们接下来需要做的是新建一个专用于AI开发的环境

在打开的窗口中，输入以下命令：

# 创建一个环境
conda creat -n 环境名
# 激活该环境
conda activate 环境名

打开Anaconda主界面就会看到新建的环境（我的环境名是AI）

1.3 Jupyter Notebook

Jupyter Notebook是一个基于Web框架的开源应用程序，开发者可以高效率地进行代码文档的创建，运行，共享等

• 实时写代码、运行代码、查看结果，并能可视化数据
• 代码块可以写在一个个cell中，一个个执行，无需从头再执行代码
• 管理方便，以目录形式展示代码文档

在新建的环境下下载Jupyter Notebook（我的已经安装，可以直接登陆）

之后使用Jupyter Notebook可以在上图Anaconda界面进入，也可以如下图所示，在电脑菜单栏里直接打开

2. AI基础工具包
这些基础工具包的导入与使用会在以后的博文里给出，以下内容只是帮助大家先了解这些工具包的主要功能

• Matplotlib

• Pandas

• Numpy

2.1 Matplotlib

Python基础绘图库，包含有散点图、直方图、条形图等

2.2 Pandas

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能

2.3 Numpy

NumPy是使用Python进行科学计算的基础软件包

• 功能强大的N维数组对象
• 精密广播功能函数
• 集成 C/C+和Fortran 代码的工具
• 强大的线性代数、傅立叶变换和随机数功能