【学习4】机器学习和环境配置
我们也可以试着把sigmoid写成别的线ReLU
这时候的方程式就需要变成：
虽然ReLU曲线会在看过的数据上面表现的更好，但是对于没有看过的数据，表现没有明显的变化。
在这里，我们可以试着改进，对于a进行不断的迭代运算：
对于很多层的模型（多个a迭代运算），我们取了一个名字叫deep learning
- Anaconda创建和管理虚拟环境
保留自己安装的Python需要在安装Anaconda完成后进行操作，可以通过切换虚拟环境
·查看Anaconda中当前存在的环境
输入conda info -e 或者 conda-env list
base的环境是Anaconda安装的Python版本
Anaconda装的版本是3.6.5的，假如我们想使用2.7版本的，这时可以通过创建虚拟环境来实现，输入：conda create -n python27 python=2.7
发现较之前多了一个python27，我们到Anaconda安装目录查看envs文件夹下的python27。点进去看发现这不就是一个python安装过后的文件吗。说是创建虚拟环境，其实是真实的安装了Python2.7，我们切换至2.7版本的，输入：activate python27，切换成功后前面多一个python27
2、编辑器Jupyter Notebooks
Jupyter Notebook是一个Web应用程序，允许您创建和共享包含实时代码，方程，可视化和说明文本的文档。 用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等。
·Anaconda 方法安装jupyter pip install jupyter
·开启Jupyter Notebook服务器 jupyter notebook
这将开启Jupyter，并使用你的默认浏览器访问URL：http://localhost:8888/tree
当运行单元格时，在单元格左侧的单词In旁边有一些方括号。方括号将自动填充一个数字，该数字表示将运行单元格的顺序。
3、pip
·pip安装python -m ensurepip --default-pip
·安装第三方库
pip install package_name
pip install package_name==版本号 安装指定版本的包
pip isntall package_name - i https://pypi.douban.com/simple/ 使用国内源（豆瓣）
·卸载 pip uninstall package_name
·升级
pip install -U package_name
pip install -U package_name==版本号 升级到指定的版本
·查看目前安装了哪些库pip list
·升级pip命令python -m pip install --upgrade pip
·虚拟环境相关命令
本地环境：安装的包都在本地，所有的项目都可以共享使用
虚拟环境(做项目开发，测开项目)：只针对某一个项目使用的环境
pip freeze > packages.txt
pip install -r packages.txt Dockerfile来完成
·国内的镜像源
（1） 豆瓣(douban) https://pypi.douban.com/simple
（2） 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple
（3） 阿里云 https://mirrors.aliyun.com/pypi/simple
（4） 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple
4、Pytorch虚拟环境和CUDA
Torch是一个用于深度学习的=数学计算库，而Pytorch则是一个基于Torch的Python机器学习库，可看作其提供了Torch应用于Python的接口。而搭建Pytorch虚拟环境，通俗地讲，就是搭建一个包含了Pytorch的相关包的Python解释器的环境，即是专门用于处理基于Python的深度学习的问题的环境。CUDA中文名为统一计算设备架构，，是显卡厂商NVDIV推出的运算平台，可以帮助GPU处理图形相关的计算问题。
·通过在命令行输入以下命令来查看我们电脑的CUDA版本配置，若电脑没有独立显卡，则该命令输入无效：nvidia-smi
·conda安装Pytorch环境conda create -name pytorch python=3.10
·命令激活pytorch环境 activate pytorch