一直以来对于机器学习有这浓厚的兴趣。去年MSE毕业论文中使用Python中通过Aprori算法实现，来对ELK的服务器的主机和网络日志进行关联分析，从而通过机器学习来自动归纳服务器故障的关联原因，从而减少日志分析的时间。
不过Aprori算法在计算效率上并没有太多的优势。所以一直想再学习其他的机器学习的技术。随着AI技术的商业化。重新对于神经网络再次进行学习。
主流的神经网络开源框架有Catte，CNTK，TensoFlow
Catte的作者为原Google的贾扬清
CNTK是微软的开源神经网络框架
TensorFlow为2015年11月开源的框架。
一直以来TensorFlow没有官方支持Windows，很巧，就在今天Google官方发布支持Windows。
那么就速度在Windows下安装下把。
-------------------------------------------------------------------------------------------------
一.windows下安装python
本人的环境是
CPU：I74770K
内存：32GB
显卡：390X（可惜了。原因后解释）
OS：Windows1064bit
安装Python 3.5
二.升级PIP
执行python-m pip install --upgrade pip
三.安装 VS C++ 2015
下载路径
https://www.microsoft.com/en-us/download/details.aspx?id=48145
四.安装Numpy+MKL
这里Numpy+MKL无法直接通过pip下载。
需要到
http://www.lfd.uci.edu/~gohlke/pythonlibs/
中寻找WHL文件下载装。
五.安装Scipy
同样在
http://www.lfd.uci.edu/~gohlke/pythonlibs/
中先行下载Scipy 的whl 再进行安装
六.安装matplotlab
执行pip install matplotlib
打开python IDE测试matplotlab
并新建一个python脚本
代码如下
----------------------------------------------------------
importnumpy as np
importmatplotlib.pyplot as plt
plt.figure(1) #创建图表1
plt.figure(2) #创建图表2
ax1 = plt.subplot(211) #在图表2中创建子图1
ax2 = plt.subplot(212) #在图表2中创建子图2
x = np.linspace(0, 3, 100)
for i in xrange(5):
plt.figure(1) #选择图表1
plt.plot(x, np.exp(i*x/3))
plt.sca(ax1) #选择图表2的子图1
plt.plot(x, np.sin(i*x))
plt.sca(ax2) #选择图表2的子图2
plt.plot(x, np.cos(i*x))
plt.show()
------------------------------------------------------
尝试matplotlab是否正常制作图像。
七.安装tensorflow
tensorflow的模块事前安装的条件
通过命令 pip freeze确认
环境没有问题后，安装tensorflow。
先前感觉可惜的地方，是tensorflow会区分CPU版和GPU版。
GPU版支持N卡的CUDA8.目前不支持AMD的显卡。所以AMD显卡好也没用啊。
这里我们下载CPU版。
执行命令。
pip installtensorflow
到这里我们安装完tensorflow了。
------------------------------------------------------------------
分享下基础学习的博客
Numpy学习
http://blog.csdn.net/ywjun0919/article/details/8692018
Matlab学习博客
http://blog.csdn.net/ywjun0919/article/details/8692018
今天环境安装到这里了。明天开始学习tensorflow.
以上
