在開始實作前，首先要做的就是建立開發環境。為什麼標題要寫「準備堅強的心」？因為最難的可能不是撰寫程式，而是在建立環境或是安裝套件的過程，跑出的各種疑難雜症，把你搞到瘋掉啊啊啊～～～
不過我們先求有再求好（？）目標先創建一個可以讓程式順利的環境XD 感謝網路上許多神人分享建環境的過程，以及版本配置等等小訣竅。當初入門懵懵懂懂常常胡亂安裝，現在自己如果不小心搞爆環境，依照自己的筆記照著創基本上就沒問題啦！
堅強的心，準備好了嗎？
深度學習的模型可以在 Windows、Linux 或 Mac 等系統執行，本系列以在 Windows 系統上執行為例。訓練可以使用 CPU，如果你有 GPU 也很不錯，可以省不少時間，本系列會以 TensorFlow GPU 版本訓練。
接下來需要先安裝 Anaconda 這個軟體。
Anaconda 有許多資料科學應用的軟體套件，其中我們會使用 conda 去安裝和管理套件。
先到 Anaconda 下載頁面下載並安裝軟體，可依照自身系統選擇下載檔案。
接著依照指示下一步就可以完成安裝。安裝好了之後，點選「開始」 → 所有應用程式 → Anaconda 目錄下的「Anaconda Prompt」，開始建立環境。
首先創建 Python 環境，輸入的指令如下：
conda create --name 環境名 python=版本
輸入下列指令以啟動環境，：
conda activate 環境名
安裝 TensorFlow，可以使用 conda 或是 pip（這裡建議使用 pip）：
pip install tensorflow==版本
如果你的電腦支援 GPU，可以安裝 GPU 版本：
pip install tensorflow-gpu==版本
註：1.15 之後的版本 GPU 就包含在 tensorflow 中了。
TensorFlow 2.0 版本以上將 Keras 整合，如果想獨立安裝 Keras 套件也可以：
pip install keras==版本
最後安裝 IDE（Integrated Development Environment），以 Spyder 為例：
conda install spyder
基本上開發環境建立就大功告成啦！
版本配置可以參考：Python 和 TensorFlow 版本對照，選擇適合自己的開發環境版本配置。
如果有 NVIDIA 顯卡，想要用 GPU 訓練模型，除了擁有 GPU 版本的 TensorFlow 之外，還需要 CUDA 和 GPU 驅動程式。可於桌面點選右鍵選擇「NVIDIA 控制面板」 → 左下角「系統資訊」，可以看見圖形卡資訊的詳細資料中，顯卡的驅動程式版本，以及點選上面「元素」標籤，在檔案名稱下的 3D 設定類別，查看 NVCUDA64.DLL 的 CUDA 支援版本。
之後到 CUDA 下載頁面 下載對應版本的 CUDA，以及 cuDNN 下載頁面 下載對應版本的 cuDNN，並將下載的檔案解壓縮，將內容複製到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v版本號 並取代檔案。
最後檢查顯卡驅動程式有沒有符合版本，下載 NVIDIA 顯卡驅動程式可以到 NVIDIA 顯卡驅動程式下載頁面 先查詢顯卡版本對應的驅動程式，再進行下載。
以上都完成後，可以打開 Spyder，執行下列程式碼：
import tensorflow as tf
print(tf.__version__) # 查看 TensorFlow 版本
print(tf.test.is_gpu_available()) # （舊版）如果執行結果為 True，表示 GPU 版本安裝成功
print(tf.config.list_physical_devices('GPU')) # （新版）如果顯示 GPU 資訊，表示 GPU 版本安裝成功
Jupyter Notebook 是一種筆記形式的 IDE，可以在撰寫程式時，先執行一部分的程式碼，並查看執行結果，以及插入筆記說明。
若要安裝 Jupyter Notebook，可於 conda 進入欲安裝的環境後，執行下列指令：
conda install jupyter
如果電腦沒有 GPU，可以使用 Google 提供的 Colab。Colab 基於 Jupyter Notebook，可以儲存於 Google 雲端硬碟，便於共享，提供 GPU 運算。
無論是哪個 IDE，都有它的優點和特色，主要還是看開發目的、需求、喜好或者習慣去使用（也很推薦 Visual Studio Code）。基本上環境配置就到這裡啦～明天就要來開始處理資料集囉
iThome鐵人賽
看影片追技術