前言

今天要來介紹Tensorflow跟Keras了，這兩個都是深度學習中很常被使用到的函式庫，除此之外目前研究領域也很常使用PyTorch，其中Python也是目前要寫深度學習比較方便的語言，因為Python可以使用各種五花八門的函式庫來讓使用者更方便的編寫程式，大幅加快程式開發的速度。

這兩個函式庫是甚麼？

Tensorflow是Google公司開發的，它提供了強大的計算能力和靈活的模型設計，基本上可以根據需求建造出各種千變萬化的類神經網路，就像把一塊一塊樂高堆砌成各種不同的作品一樣。Keras是在Tensorflow之上的高階API，提供了更簡潔和方便的介面，適合快速設計和初學者使用，入門難度極低，非常推薦初學者學習。未來我們都會使用這兩個模組來建立神經網路。

函式庫版本一覽、怎麼安裝

以下是我在寫程式時的函式庫版本，不同函式庫以及不同版本之間可能會有不相容的問題，所以要根據情況適時去修改版本，或者釐清新舊版本之間對同一個功能的程式碼差異。另外整合開發環境 (Integrated Development Environment, IDE)我是使用Pycharm 2021.1.2 x64版本，Pycharm環境是使用Anaconda建立的環境，使用Anaconda可以幫助快速整合環境以及函式庫，另外使用Pycharm可以直接使用內建的Terminal去安裝函式庫，相當方便。Terminal就類似命令提示字元可以根據輸入指令去進行工作，可用於安裝、管理函式庫。

至於如何安裝函式庫則是要使用pip指令安裝，pip是一個用來安裝和管理Python套件的工具。你可以用pip從Python Package Index或其他來源下載和安裝各種Python函式庫，例如要安裝keras就可以使用：

pip install keras

如果要指定安裝的版本則是後面要加上版本號碼：

pip install keras==2.6.0

如此一來就可以安裝2.6.0版本的keras了。

💡要注意有時候安裝完以後會發現tensorflow與keras版本不同，這時候就要重新指定版本下載，否則tensorflow與keras版本不同有時候會出現不相容的錯誤！

安裝GPU加速

安裝GPU加速首先你需要安裝：

1. NVIDIA的驅動程式
2. CUDA
3. cuDNN
4. 接著新增環境變數
5. pip install tensorflow-gpu

這部分距離我已經很遙遠了，基本上已經快忘光了orz，當初我是參考Tensorflow官網的安裝教學、Anaconda與tensorflow-gpu安裝教學。

如果安裝上有問題也歡迎底下留言或者去參考其他教學，安裝環境的教學一查一大堆，相信各位都能找到適合自己的教學。

安裝CUDA失敗/沒有GPU怎麼辦？

如果安裝CUDA一直無法成功，或者電腦根本沒有顯卡的話也可以使用Google Colab，這是Google公司開發的應用，它可以讓你在線上編輯程式，同時也有提供免費的GPU加速。若電腦沒有GPU或者安裝CUDA失敗也可以考慮使用Google Colab喔~
在Google Colab創建專案後就可以直接開始用Python寫程式了，而且Tensorflow、Keras等套件都有預先安裝完成，等於是省去了麻煩的建環境步驟！要在Colab中使用pip指令只需要在指令前面加上驚嘆號!即可，例如：

!pip install keras

然後執行程式就好了。是不是很方便呢？總之，如果不想建環境、無法建環境的話都可以使用Google Colab來寫程式喔。

結語

今天介紹了Tensorflow與Keras的一些基本觀念，明天就要來正式帶各位建立類神經網路了。雖然其數學理論牽扯到很多面向，例如線性代數、偏微分、機率統計等。不過這些運算都是電腦會處理好，所以實作上大大的降低了入門難度，但要想開發出很優秀的類神經網路就勢必要再去了解背後的數學理論。也希望各位入門者可以在深度學習這條路上一路順風。