利用一个礼拜的时间自学深度学习，搭建了一个自己的图像分类框架（虽然目前正确率只有60%，我是分了六类，在一百张图片里有63张被正确分类），因为也是小白，所以很清楚一路上摸索有多么不容易，比如初学者很容易卡在第一关，连一个深度学习的环境都配不出来，或者是从GitHub上拿下来的模型怎么用，CPU和GPU、损失函数优化器都是什么，卷积和池化都在干什么，等等等等，我用了一个礼拜的时间搞清楚了这些，算是初步入门了吧，分享自己的整个过程给大家做个参考。

首先是环境，力推conda，但是这里面还是很复杂，个人配环境找了很多视频,先记录我最开始使用的一种（CPU--win10），后面有时间会补充更多：

1.conda的安装，

一般情况下推荐miniconda 轻便友好，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。就只包含最基本的东西，其他的库得自己装。非常适合我们，这里提供一个网址（https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/），也可以直接搜官网，当你安装成功，恭喜你，你的深度学习之旅已经准备发车了！

2.使用conda，

这里要创建虚拟环境有两步，第一步是命令行创建，conda create -n (your_name) python=3.7不难哈，我们重点说第二步，使用你的虚拟环境，打开你的python集成环境，pycharm！这个都有吧 都有吧，如果你说你打算入门系统学习却还没有一个集成环境，赶紧去装！

新建项目

点三个小点

选择conda

选择你的conda路径，找到你刚刚创建的虚拟环境

点击OK，这个时候就开始创建虚拟环境了，完成后点击创建

在右下角能看到你的python版本和虚拟环境名称

 到这里，恭喜你，深度学习之旅  发车！

3.第三步，安装你的TensorFlow，

点这里

conda install tensorflow=2.2

 之后深度学习还有很多需要引用的库，我们不那么麻烦了，我们用到再安装，第一天我们先找一些成就感和兴趣，我们创建一个由像素点组成的画布图像

这里还需要安装两个库，

pip install matplotlib

pip install numpy

 这里不用指定版本，想指定的话用等于号就好了，卸载的命令就是:

pip uninstall XXXXXX

 好了好了 我要使用这些库画图了：

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

as 是起别名，在后面使用的时候就方便了。

aa = tf.random.normal([128,128,3])
bb = np.array(aa)
print(bb)

 这里我们使用TensorFlow随机创建了一个张量（矩阵）[128,128,3]并使用numpy将这个张量转成了数组，打印出来：

 我们将这个数据所定义的所有点，显示出来：

plt.figure()   #创建一张画布
plt.imshow(bb)   #放进去bb这个数组
plt.show()     #显示画布

运行它

我们随机创建出来的像素点就显示出来了，到这里，你已经成功配置了第一套深度学习环境并且知道了计算机怎样把数组拼凑转化成图像。