前言
因为最近工作上遇到了瓶颈，我本身是一个PHPer，后来学习掌握了Pyhon，Node 等语言，仍旧没能脱离写网站系统的老本行，感觉如果一直在Web端也许能干出点事情，但总将思路闭塞于此，技术这条道路还有什么意思呢？
以前看过一些深度学习的视频，但是都是需要有一定基础的，然后看起来就非常费劲，后来有幸得知了《深度学习入门》这本书, 耐着性子从头到尾啃了一遍, 虽然其中有些地方不甚理解, 但是仍对一些概念有了了解, 于是回头继续看视频, 推荐几个视频:
莫烦python: https://www.bilibili.com/video/av15997678 [简单清晰, 比较风趣]
龙龙 深度学习与PyTorch入门实战教程 : https://edu.csdn.net/course/detail/16868 [莫烦推荐, 我在看这个]
推荐第二个, 但是还是那句话, 不要一上来就看这些, 找个入门的书先熟悉些譬如“求导、梯度、激活函数”等名词，在看视频会更加得心应手。
废话不多说，下面开始部署环境.
Python 和 Anaconda
因为后边打算用 PyTorch, 所以我们选择Python 环境, 以下两种方式安装, 安装过程我直接贴出别的博主的链接, 但比较推荐用 Anaconda
1、anaconda 是一个python的发行版，包括了python和很多常见的软件库, 和一个包管理器conda。常见的科学计算类的库都包含在里面了，使得安装比常规python安装要容易。
2、Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。
- 安装 Python
https://blog.csdn.net/weixin_37424315/article/details/89929650 - 安装 Anaconda
https://blog.csdn.net/iefenghao/article/details/90741384
需要注意的是, 无论哪种方式安装, 都要记得将相关路径放到 环境变量 PATH 中, 这样后期调用的时候就不会出一些 BUG.
Anaconda 食用说明
你没看错, 就是食用哈哈, 这篇文章会在我另一篇博文中写一下
安装 PyTorch
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。
2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计算（如NumPy）。2、包含自动求导系统的的深度神经网络
- 我们打开它的网站 https://pytorch.org/ ,往下翻, 到下图这里
我们按照自己的需求选择相应配置, 要注意 CUDA 那里, 如果你有一块 N卡, 可以在任务栏中的那个图标上右键, 查看自己的 CUDA 版本，机器学习耗时长，证据表明 显卡运算速度要比 CPU 速度快50 ~400 倍, 选择一款好显卡节省生命。
选择 NVIDIA Control Panel, 点击页面左下角 System Information
CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员可以使用C语言来为CUDA™架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。
如果没有显卡，可以选择 None, 用CPU去运算, 除了慢, 效果也是一样的. 然后我们复制它下面那段语句, 复制到 你的conda环境命令行中, 回车运行, 速度慢的可以将 conda 源调整为 清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --setshow_channel_urls yes
安装后，我们打开 PyCharm, 记得配置好 PyCharm 的环境, 新建一个 Python 文件, 输入一下代码:
按下 Ctrl+Shift+F10 运行, 当执行直接输出后, 安装完成.
