Python 向人工智能方向发展的技能树

分类：Tensorflow作者：编程之家用户

webp

有不少同学学习 Python 的原因是对人工智能感兴趣，有志于从事相关行业。今天我们来聊聊这个方向所需要的一些技能。

这里我们主要谈论的是编程技能。

如果你打算采用 Python 作为主要开发语言（这也是目前人工智能领域的主流），那么Python 的开发基础是必须得掌握的，这是一切基于 Python 开发的根基。你得对 Python 的基本语法、数据类型、常见模块有所了解，能正确使用条件、循环等逻辑，掌握 list、dict 等数据结构及其常用操作，了解函数、模块、面向对象的概念和使用等等。

在对此已经熟练之后，你需要学习数据处理相关的 Python 工具库：

NumPy

NumPy 提供了许多数学计算的数据结构和方法，较 Python 自身的 list 效率高很多。它提供的 ndarray 大大简化了矩阵运算。

Pandas

基于 NumPy 实现的数据处理工具。提供了大量数据统计、分析方面的模型和方法。一维的 Series，二维的 DataFrame 和三维的 Panel 是其主要的数据结构。

如果你在学习Python的过程当中有遇见任何问题，可以加入我的python交流学习qq群：250933691，多多交流问题，互帮互助，群里有不错的学习教程和开发工具。学习python有任何问题（学习方法，学习效率，如何就业），可以随时来咨询我

SciPy

进行科学计算的 Python 工具包，提供了诸如微积分、线性代数、信号处理、傅里叶变换、曲线拟合等众多方法。

Matplotlib

Python 最基础的绘图工具。功能丰富，定制性强，几乎可满足日常各类绘图需求，但配置较复杂。

只要你用 Python 和数据打交道，就绕不开以上这几个库，所以务必学习一下。

而在此之后，你就需要根据自己的具体方向，选择更专业的工具包进行研究和应用。Python 在人工智能方面最有名的工具库主要有：

Scikit-Learn

scikit-learn.org

Scikit-Learn 是用 Python 开发的机器学习库，其中包含大量机器学习算法、数据集，是数据挖掘方便的工具。它基于 NumPy、SciPy 和 Matplotlib，可直接通过 pip 安装。

TensorFlow

tensorflow.org

TensorFlow 最初由 Google 开发，用于机器学习的研究。TensorFlow 可以在 GPU 或 CPU 上运行，在深度学习领域表现优异。目前无论是在学术研究还是工程应用中都被广泛使用。但 TensorFlow 相对来说更底层，更多时候我们会使用基于它开发的其他框架。

Theano

deeplearning.net/software/theano/

Theano 是成熟而稳定的深度学习库。与 TensorFlow 类似，它是一个比较底层的库，适合数值计算优化，支持 GPU 编程。有很多基于 Theano 的库都在利用其数据结构，但对于开发来说，它的接口并不是很友好。

Keras

keras.io

Keras 是一个高度模块化的神经网络库，用 Python 编写，能够在 TensorFlow 或 Theano 上运行。它的接口非常简单易用，大大提升了开发效率。

Caffe

caffe.berkeleyvision.org

Caffe 在深度学习领域名气很大。它由伯克利视觉和学习中心（BVLC）和社区贡献者开发，具有模块化、高性能的优点，尤其在计算机视觉领域有极大的优势。Caffe 本身并不是一个 Python 库，但它提供了 Python 的接口。

PyTorch

pytorch.org

Torch 也是一个老牌机器学习库。Facebook 人工智能研究所用的框架是 Torch，DeepMind 在被谷歌收购之前用的也是 Torch（后转为 TensorFlow），足见其能力。但因 Lua 语言导致其不够大众。直到它的 Python 实现版本 PyTorch 的出现。

MXNet

mxnet.incubator.apache.org

亚马逊 AWS 的默认深度学习引擎，分布式计算是它的特色之一，支持多个 CPU/GPU 训练网络。

借助这些强大的工具，你已经可以使用各种经典的模型，对数据集进行训练和预测。但想成为一名合格的人工智能开发者，仅仅会调用工具的 API 和调参数是远远不够的。

Python 是人工智能开发的重要工具，编程是此方向的必备技能。但并不是掌握 Python 就掌握了人工智能。人工智能的核心就是机器学习（Machine Learning）和深度学习。而它们的基础是数学（高等数学/线性代数/概率论等），编程是实现手段。

所以你想要进入这个领域，需要至少经过以下五个阶段的学习。

第一阶段：数学

高等数学／线性代数／概率论


第二阶段：编程

python语言基础／python工具库实战


第三阶段：机器学习

机器学习入门／机器学习提升


第四阶段：数据挖掘实战

数据挖掘入门／数据分析实战


第五阶段：深度学习

深度学习网络与框架／深度学习项目实战


几百个课时的学习是基本，但若想真正学明白，至少需要一些时间，当然根据每个人基础不同会有所差异，也不能排除你很短时间就能搞定。

如果你在学习Python的过程当中有遇见任何问题，可以加入我的python交流学习qq群：250933691，多多交流问题，互帮互助，群里有不错的学习教程和开发工具。学习python有任何问题（学习方法，学习效率，如何就业），可以随时来咨询我


原文地址：https://blog.51cto.com/14217196/2398233

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。

相关推荐

tensorflow预测单张mnist数据集图片 — 数字识别Predict single image for MNIST dataset by tensorflow - digital reco
MNIST数据集可以说是深度学习的入门，但是使用模型预测单张MNIST图片得到数字识别结果的文章不多，所以本人查找资料，把代码写下，希望可以帮到大家~1#BudingyourfirstimageclassificationmodelwithMNISTdataset2importtensorflowastf3importnumpyasnp4impor
tensorflow环境的配置
1、新建tensorflow环境（1）打开anacondaprompt，输入命令行condacreate-ntensorflowpython=3.6注意：尽量不要更起名字，不然环境容易出错在选择是否安装时输入“y”（即为“yes”）。其中tensorflow为新建的虚拟环境名称，可以按喜好自由选择。python=3.6为指定python版本为3
张量tensor是什么
这篇文章主要介绍“张量tensor是什么”，在日常操作中，相信很多人在张量tensor是什么问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大...
tensorflow中model.fit()用法
tensorflow中model.fit()用法model.fit()方法用于执行训练过程model.fit(训练集的输入特征，训练集的标签，batch_size,#每一个batch的大小epochs,#迭代次数validation_data=(测试集的输入特征，
tensorflow如何使用gpu
https://blog.csdn.net/To_be_little/article/details/124438800 目录1、查看GPU的数量2、设置GPU加速3、单GPU模拟多GPU环境1、查看GPU的数量importtensorflowastf#查看gpu和cpu的数量gpus=tf.config.experimental.list_physical_devices(device_type='GPU')cpus=tf.c
tensorflow.js基本使用 线性回归一
根据身高推测体重const$=require('jquery');consttf=require('@tensorflowfjs');consttfvis=require('@tensorflowfjs-vis');/*根据身高推测体重*///把数据处理成符合模型要求的格式functiongetData(){//学习数据constheights=[150,151,160,161,16
tensorflow-条件循环控制5
#!/usr/bin/envpython2#-*-coding:utf-8-*-"""CreatedonThuSep610:16:372018@author:myhaspl@email:myhaspl@myhaspl.com二分法求解一元多次方程"""importtensorflowastfdeff(x):y=pow(x,3)*3+pow(x,2)*2-19return
机器学习 - 开发环境安装pycharm + tensorflow集成篇
 继续上篇的pyspark集成后，我们再来看看当今热的不得了的tensorflow是如何继承进pycharm环境的参考：http://blog.csdn.net/include1224/article/details/53452824思路其实很简单，说下要点吧1.python必须要3.564位版本（上一篇直接装的是64位版本的Anaconda）2.激活3.5版本的
怎么样在python 3 6里安装tensorflow
首先要下载python3.6:https://www.python.org/downloadselease/python-361/接着下载：numpy-1.13.0-cp36-none-win_amd64.whl 安装这两个：安装python3.6成功，接着安装numpy.接着安装tensorflow: 最后测试一下： python3.6+tensorflow安装完毕，高深的AI就等着你去
TensorFlow图像预处理完整样例
参考书《TensorFlow：实战Google深度学习框架》（第2版）以下TensorFlow程序完成了从图像片段截取，到图像大小调整再到图像翻转及色彩调整的整个图像预处理过程。#!/usr/bin/envpython#-*-coding:UTF-8-*-#coding=utf-8"""@author:LiTian@contact:694317828@qq.com
记一次windows10安装tensorflow 的过程
参考：TensorFlow在windows上安装与简单示例写在开头：刚开始安装的时候，由于自己的Python版本是3.7，安装了好几次都失败了，后来发现原来是tensorflow不支持3.7版本的python，所以后来换成了Python3.6，就成功了。。。。。anconda：5.3.2python版本：3.6.8tensorflow版本：1.12.0安装Anconda
基于Spark和Tensorflow构建DCN模型进行CTR预测
实验介绍数据采用CriteoDisplayAds。这个数据一共11G，有13个integerfeatures，26个categoricalfeatures。Spark由于数据比较大，且只在一个txt文件，处理前用split-l400000train.txt对数据进行切分。连续型数据利用log进行变换，因为从实时训练的角度上来判断，一般的标准化方式，
TensorFlow篇之TensorEditor 使用
 1）登录需要一个 invitationcode，申请完等邮件吧，大概要3-5个小时；2）界面3）配置数据集，在右边列设置 
tensorflow模型持久化保存和加载--深度学习-神经网络
模型文件的保存tensorflow将模型保持到本地会生成4个文件：meta文件：保存了网络的图结构，包含变量、op、集合等信息ckpt文件：二进制文件，保存了网络中所有权重、偏置等变量数值，分为两个文件，一个是.data-00000-of-00001文件，一个是.index文件checkpoint文件：文本文件，记录了最新保持
利用tensorflow训练自己的图片数据集——数据准备
原文地址：https://blog.csdn.net/jesmine_gu/article/details/81093686这里只是做个收藏，防止原链接失效importosimportnumpyasnpfromPILimportImageimporttensorflowastfimportmatplotlib.pyplotaspltangry=[]label_angry=[]disgusted=[]label_d
FasterRCNN目标检测实践纪实
 首先声明参考博客：https://blog.csdn.net/beyond_xnsx/article/details/79771690?tdsourcetag=s_pcqq_aiomsg实践过程主线参考这篇博客，相应地方进行了变通。接下来记载我的实践过程。  一、GPU版的TensorFlow的安装准备工作：笔者电脑是Windows10企业版操作系统，在这之前已
OpenCV & Tensorflow学习 (一)-------------------》环境搭建
1.tensorflow安装  进入AnacondaPrompt(windows10下按windows键可找到)a.切换到创建好的tensorflow36环境下:activatetensorflow36    b.安装tensorflow:pipinstlltensorflow    c.测试环境是否安装好       看到已经打印出了"h
Tensorflow 实战笔记
必须走如下步骤：sess=tf.Session()sess.run(result)sess.close()才能执行运算。Withtf.Session()assess:Sess.run()通过会话计算结果：withsess.as_default():print(result.eval())表示输出result的值生成一个权重矩阵：tf.Variable(tf.random_normal([2,3]
Tensorflow函数：tf.zeros
tf.zeros函数tf.zeros(shape,dtype=tf.float32,name=None)定义在：tensorflow/python/ops/array_ops.py.创建一个所有元素都设置为零的张量. 该操作返回一个带有形状shape的类型为dtype张量,并且所有元素都设为零.例如：tf.zeros([3,4],tf.int32)#[[0,0,
01炼数成金TensorFlow基本概念
一、Tensorflow基本概念1、使用图（graphs）来表示计算任务，用于搭建神经网络的计算过程，但其只搭建网络，不计算2、在被称之为会话（Session）的上下文（context）中执行图3、使用张量（tensor）表示数据，用“阶”表示张量的维度。关于这一点需要展开一下       0阶张量称
pythonJavaScriptjavaHTMLPHPreactjsC#AndroidCSSNode.jssqlrpython-3.xMysqLjQueryc++pandasFlutterangularIOSdjangolinuxswifttypescript路由器JSON路由器设置无线路由器h3c华三华三路由器设置华三路由器电脑软件教程arraysdocker软件图文教程Cvue.jslaravelspring-boot