目录
作者介绍
这是无涯的第一篇投稿，在该网站发文章主要考虑因素有三：
一、从初次学习代码起，我便开始接触这个网站，这个网站上的大大们都算是我的老师、我的前辈，如今我也将做出自己的贡献，一方面属于回报前辈大大们的无私，另一方面为了将这份无私的精神向下传扬。
二、机器学习一直是一个比较难啃的硬骨头，它的实现是统计学、数学和代码语言的融合统一；环境的搭建、对内容连续不断的学习、对公式的推导、以及对每个库基础代码的理解和应用都是彼此之间有着强相互联系的板块；因此我打算构建一个比较完整的学习框架、从环境的安装到项目的实战，从小到大一步步实现代码实战化
三、这些文章也将作为我以后复习和做项目的参考依据，也可以提供给需要的人作为复习和参考的依据
注意 ：1、无涯写的所有文档和文章均为免费自取；因为是第一次写作，如有需要改正的地方，请您在文章下面留下您的评论。2、此系列的文章是基于木桶效应面向客户（即照顾对python不是很了解的玩家做出的较为详细讲解）
TensorFlow介绍
谷歌对 TensorFlow 的官方解释 —— An end-to-ed open source machine learning platform(一个开源端到端的机器学习平台)，其实TensorFlow不仅仅可以用于深度学习还支持大量的机器学习算法，其已经发展成为了一个包含大量工具、库、完善的机器学习生态系统；因此，我们可以在这个平台上构建我们所需的机器学习和深度学习的应用，以达到我们的目的；
TensorFlow 的前生是2011年的DisBelief，2015年TensorFlow0.5.0横空出世，到2017年升级到TensorFlow1.0版本，融入Kears库，但依旧对新手不太友好，不太容易调试和操作；直到2019年TensorFlow2.0版本出现，此时的tf（tf即TensorFlow的简称）简单、清晰、受众面更广；因此，本人打算将TensorFlow2.0（即最新版）作为深度学习和机器学习的常用版本
pycharm + Anaconda环境的搭建
工欲善其事，必先利其器；一个好的环境是进行代码写作最佳配置；pycharm无疑是大众选择提高写作效率的软件，为了尽可能将大家的学习成本降低，文末提供的第一条链接即为提供下载pycharm的建议地址；
按照提示安装好pycharm之后，我们开始搭建环境（python3.6 + anaconda）
1、去anaconda官方页面下载（ Anaconda | The World's Most Popular Data Science Platform https://www.anaconda.com/download/ Anaconda | The World's Most Popular Data Science Platform ），选择对应的操作系统（本文以windows为例）
2、根据电脑系统选择对应版本（现在一般的电脑均为64位操作系统），记住一定不要将anaconda创建在C盘上
3、在 “搜索栏” 处搜索 “ anaconda prompt ”
4、输入 conda env list ，查看安装的 anaconda 的环境，“base”为其内置的python版本，“python36”为无涯创建的 python3.6 环境
5、添加向 anaconda 中添加下载源（以清华镜像源为例）(下面的语句，一句一句输入命令行中)
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 --set show_channel_urls yes
conda config --show-sources
下面是成果的加入镜像源的例子
6、开始创建虚拟环境，这边建议创建python3.6版本，因为很多包并没有python解释器更新得快，导致高版本很多库都无法使用，而若版本过低，很多功能也不好实现，因此选用中规中矩比较稳健的python3.6版本
# 创建虚拟环境
conda create -n 环境名字 python = 版本号
# 例如创建python版本为 3.8 的名字为 py38 （例子）的虚拟环境
conda create -n py38 python=3.8
7、输入y（yes）
8、等待下载完成后再次输入 conda env list 检查安装的环境，看到 lizhi 发现创建环境成功，这里要用笔记一下刚刚创建python环境（lizi） 的路径，目的是为了是anconda于pycharm结合， E:\anaconda\envs\py38 即为刚刚虚拟环境的位置
9、进入 pycharm 开始环境配置 anaconda 环境（1、选择你新项目将创建在那个文件夹下，建议创建一个新的文件夹 2、点开“倒三角”打开拓展 3、点击选择“先前配置的解释器”，目的在于选择使用我们创建的anaconda虚拟环境；4、这里是为了选择虚拟环境的解释器路径（与上文要求做 的小笔记相呼应。））
10、选择创建的虚拟变量，1、点击 “Conda 环境” 2、点击 “···” 3、输入刚刚创建的路径 4、在路径中选择对应的python解释器 ，5、点击确定
11、这个时候，我们创建的anaconda的虚拟环境就已经融入python啦~，然后点击 “创建” - - - “新窗口”
12、右键点击创建新项目，然后尝试能否运行，注意：第一次创建文件，一定要右键运行才会成功哟~（见下图2），
13、选择下方 “终端” 然后 pip 下载Tensorflow 库
pip install tensorflow==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
下载成功~ 
运行一段代码，发现运行成功
14、再导入一些必要的库，完善环境(导入数据分析常用库——numpy、pandas；导入可视化平台jupyter；导入画图库matplotlib)
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
pip install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
15.导入完成后导入这些库，运行没有报错后即成功创建了环境~
16、本次环境搭建已经完成，接下来的文章将要正式进入TensorFlow 深度学习模块了，该系列的中途将涉及到比较多的细节讲解和实际操作，望有志同道合的朋友可以坚持向下关注并留下你的问题，无涯将在后面的文章中持续更新需要解决的问题
参考网址
1、pycharm
链接：https://pan.baidu.com/s/1vArezJrUoyADOgdIy_1yWg?pwd=bbq6
提取码：bbq6