建立深度學習開發環境：安裝Python 3.7, Anaconda3及使用Jupyter notebook安裝Tensorflow2

我使用的是Ubuntu16.04，Python其實是有內建，印象中版本是2.7
其他非Data Science需求的人其實直接開啟終端機，打上指令python就可以開始寫python了。
我的需求是Data Science、Machine Learning、Deep Learning，說穿了就是拿python及各式各樣的python package來進行資料分析及建模，我自己的感覺，這並不像真的在寫程式，只是下Command給電腦去運算。真正寫程式的人是package的作者們，感謝他們讓世界美好許多。

安裝Anaconda3

Anaconda3是一個非常方便的套件組，Python 3.7、IDE(Jupyter notebook, iPython, Spyder等)、Data Science常用套件等功能全都含在裡面了，直接下載安裝，一條龍服務。

步驟：

1. 進到Anaconda官網，下載安裝包
2. 打開終端機，輸入指令：bash ~/Downloads/Anaconda3-2019.10-Linux-x86_64.sh
3. 等待安裝完成

建立虛擬環境，開始使用Jupyter Notebook

Jupyter Notebook一個互動是的開發環境，給它一條指令，它就馬上做出相應動作，這對Data Analysis來說真的非常方便。

下面是它的介面範例，在"In[ ]"區塊輸入code，按下ctrl+ent執行，下方"Out[ ]"就會出現執行的結果，介面乾淨整齊，很適合數據處理等工作。

安裝完Anaconda3後，Jupyter notebook也一併安裝好了，打開終端機，輸入jupyter notebook就可以開始使用了。

不過在開始使用前，還是先建立一個虛擬環境，防止日後在一些實驗或者安裝上出錯，必須要全部刪掉重來。

建立虛擬環境步驟：

1. 打開終端機，輸入指令conda --name my_test_env python=3.7
2. my_test_env為環境名稱，可以自由修改；python=3.7可打也可不打，不輸入的話會自動使用電腦中的python最新版本
3. 建立完成後，輸入指令conda env list，查看目前所有已建立的虛擬環境清單。
4. 進入虛擬環境，輸入source activate my_test_env。進入虛擬環境，終端機的使用者名稱會顯示(my_test_env)user@user-yourPC。
5. 輸入jupyter notebook，開始使用Jupyter Notebook。

開始使用Jupyter Notebook並安裝Tensorflow2

如圖示，點New，選Python3，開啟新的筆記本，就會看到前面所提的In[ ]的介面了。

接下來開始安裝Tensorflow。Tensorflow是Google發表的Deep Learning套件，搭配Keras API可以快速搭建深度學習模型。Tensorflow可以使用GPU進行平行加速運算，大幅提昇訓練的效率。

Tensorflow有CPU及GPU兩種版本，鑑於我的顯卡只是五年前最基本款的，且我也只是初學，因此我只安裝CPU，並選擇2019年發佈的Tensorflow 2。目前大部分坊間的書籍及網路上的資源都還是以Tensorflow 1為主，我自己自學的感覺是二代對我這種新手著實友善太多，並且Google「原廠」自己的教學都改以二代為主，因此最後我還是放棄一代，直接學二代。

Tensorflow 2.1 CPU version安裝方法:

• 在剛剛開啟Jupyter notebook，輸入！pip install tensorflow，執行
• 若要指定版本，則為！pip install tensorflow==1.15 (*註：1.15是一代最新一版)
• 也可以在終端機直接輸入pip install tensorflow
• 這裡面內含Keras
• GPU版本安裝方式，參考Tensorflow官網

安裝完成後，在Jupyter Notebook新增一個新的Cell。方法：按"Esc"-->按"B"，會看到原本的In[1]變成藍色，並在下方新增一個新的In[ ] cell，輸入:

import tensorflow as tf  #載入tensorflowtf，"tf"是載入套件後的簡稱
print(tf.__version__)  #print()列印出tensorflow版本。".__version__"中dot是呼叫tensorflow中名為"__version__"的function

執行以上code會出現Out[2] : "2.1.0"  (*註：版本)

後記

目前實做網路上的各種課程，用CPU足以，但的確也開始遇到資料維度及iteration次數增加的狀況。目前各式的說法是顯卡至少需要nVIDIA GTX1050以上才能跑得比較舒服，我也開始考慮花點錢組台桌機來跑。看之後有機會(有錢)再說了。

組桌機可參考"1000美金組一台超猛Deep Learning主機"。