《神经网络与TensorFlow实战》 课件 模块1-4 人工智能概述-机器学习算法

模块一

人工智能概述单元一

人工智能学习目标了解人工智能的定义、起源和发展；了解人工智能的应用技术及场景；掌握人工智能产业链的主流框架体系。具备探究学习、终身学习、分析问题和解决问题的能力；具备人工智能基础知识应用能力。知识目标能力目标素养目标增强学生的爱国情感和中华民族自豪感；培养学生勇于奋斗、乐观向上的精神；提升学生的职业生涯规划意识、自我管理的能力、较强的集体意识和团队合作精神。在1956年的达特茅斯会议上，约翰·麦卡锡等人第一次提出“人工智能”概念，它标志着人工智能学科的诞生。一、人工智能简介约翰·麦卡锡(被称为“人工智能之父”)1.人工智能的定义

什么是人工智能呢？人工智能（artificialintelligence,AI），从字面上进行解释，主要有“人工”和“智能”两个部分。人工智能简介一、“人工”是指人造的、人为的，与自然界中本身存在的天然事物相对应。“智能”是智力和能力的总称，它涉及意识、自我、思维（包括无意识的思维）等问题。人工智能是指能够让机器或系统像人一样拥有智力和能力，可以代替人类实现识别、认知、分析和决策等多种功能的技术。1.人工智能的定义人工智能是自然科学和社会科学的交叉学科，汲取了自然科学和社会科学的最新成就，以智能为核心，形成了具有自身研究特点的新体系。人工智能已经发展成为一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学和哲学等多学科相互融合的综合性新学科。人工智能的研究涉及广泛的领域，如各种知识表示模式、不同的智能搜索技术、求解数据和知识不确定性问题的各种方法、机器学习的不同模式等。智能人工智能自然科学社会科学一、人工智能简介2.人工智能的研究范畴

在1950年，被称为“计算机之父”的阿兰·图灵提出了一个举世瞩目的想法——图灵测试。

按照图灵的设想：如果一台机器能够与人类开展对话而不能被辨别出机器身份，那么这台机器就具有智能。二、人工智能的起源与发展1.图灵测试

1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院，约翰·麦卡锡、马文·闵斯基、克劳德·香农、艾伦·纽厄尔、赫伯特·西蒙等科学家正聚在一起，讨论着一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。

会议足足开了两个月的时间，为会议讨论的内容起了一个名字：“人工智能”，因此，1956年也就成为了人工智能元年。二、人工智能的起源与发展2.达特茅斯会议

人工智能的探索道路曲折起伏，一般将人工智能的发展历程划分为以下6个阶段，如图所示。二、人工智能的起源与发展3.人工智能的发展历程人工智能技术目前已经应用建筑物的设计、施工、运维过程及智能家居。比如能对建筑物的能耗进行监控，借助“传感器+动态监控系统”实时监控建筑物外部和内部的温度、湿度、风速、光照等能量变化，自动实现建筑物空调和照明系统的控制三、人工智能的主要应用1.智慧建筑领域三、人工智能的主要应用1.智慧建筑领域智能家居产品三、人工智能的主要应用1.智慧建筑领域随着智能制造热潮的到来，人工智能应用已经贯穿于设计、生产、管理和服务等制造业的各个环节。三、人工智能的主要应用2.智能制造领域人工智能技术在智慧交通领域中的应用主要有无人驾驶汽车领域的应用，通过智能路线设计、计算机视觉、网络定位等相关技术实现汽车的自动驾驶。三、人工智能的主要应用3.智慧交通领域智能交通机器人领域的应用，在道路口处设置指挥交通的智能机器人，通过人工智能技术实时监控交通道路，获取路况交通信息，并根据指定的计算模式、辅助指示传输有关信息，完成道路交通的指挥工作。三、人工智能的主要应用3.智慧交通领域智能交通监控领域的应用，利用图像监控、辨别技术等形式，剖析全部的道路交通状况，保证交警部门能够及时掌握道路的车流量、拥堵、红绿灯等状况，通过智能化调整交通信号灯的时长，或利用相应模式合理、有效地疏通交通，实现交通管理并调整智能化的标准，降低交通堵塞现象。三、人工智能的主要应用3.智慧交通领域智能出行决策领域的应用，智能化导航地图为人们的出行提供实时、精准的指引导航方案，提供更优质、更便利的人性化体验，从而降低出行的交通压力。三、人工智能的主要应用3.智慧交通领域人工智能目前在金融投资与服务领域的应用较多。在金融投资领域，人工智能有智能投顾、反欺诈、异常分析、股市预测等方向的应用。三、人工智能的主要应用4.金融投资、金融服务与风控领域在金融服务领域，人工智能有人脸识别、指纹识别和智能客服等方向的应用。三、人工智能的主要应用4.金融投资、金融服务与风控领域人工智能在风控上的应用主要是数据搜集和处理、风险控制和预测、信用评级和风险定价以及实现金融监管的实时监控。三、人工智能的主要应用4.金融投资、金融服务与风控领域人工智能技术在医疗领域的应用主要有智能诊疗。三、人工智能的主要应用5.医疗领域医疗机器人，利用外科手术机器人、护理机器人和服务机器人等协助医生进行手术或者其他工作。三、人工智能的主要应用5.医疗领域药物智能研发，通过计算机模拟，人工智能可以对药物活性、安全性和副作用进行预测，找出与疾病匹配的最佳药物。三、人工智能的主要应用5.医疗领域智能健康管理，利用智能设备对人体进行实时监测，从而对身体素质进行评估，并提供个性化的健康管理方案。三、人工智能的主要应用5.医疗领域智能早教机器人已经取代传统的电子教育产品成为未来家庭幼儿教育产品的主流，它不仅能够陪伴孩子，还能引导孩子学习。三、人工智能的主要应用6.教育领域个性化学习，通过收集和分析学生的学习数据，用人工智能勾勒出每个学生的学习方式和特点，然后自动调整教学内容、方式和节奏，使每个孩子都能得到最适合自己的教育，提供个性化学习方案。三、人工智能的主要应用6.教育领域拍照搜题、智能作业批改

三、人工智能的主要应用6.教育领域物流行业通过利用智能搜索、推理规划、计算机视觉以及智能机器人等技术在运输、仓储、配送装卸等流程上已经进行了自动化改造，能够基本实现无人操作。

三、人工智能的主要应用7.物流管理领域人工智能产业链包括三层：基础层、技术层和应用层。

四、人工智能产业链基础层计算硬件计算系统技术数据AI芯片大数据云计算5G通信数据采集/标注/分析基础层是人工智能产业的基础，主要是研发硬件及软件，如AI芯片、数据资源、云计算平台等，为人工智能提供数据及算力支撑。主要包括计算硬件（AI芯片）、计算系统技术（大数据、云计算和5G通信）和数据（数据采集、标注和分析）。

三、人工智能产业链1.基础层AI芯片是人工智能产业的核心硬件。人工智能芯片的定义从广义上讲只要能够运行人工智能算法的芯片都叫作人工智能芯片，但是通常意义上的人工智能芯片指的是针对人工智能算法做了特殊加速设计的芯片。

三、人工智能产业链（1）计算硬件-AI芯片技术架构分类GPU(图像处理单元)半定制化FPGA全定制化ASIC神经拟态芯片按功能分类训练环节推理环节应用场景分类服务器端（云端）移动端（终端）人工智能与大数据、云计算和5G关系紧密，由于巨大数据的产生，使得人们关注用数据做一些过去只有人能够做的事情。配合云计算带来的计算资源和计算能力，人工智能依托数据基础，对周边环境做出一定的程序反应，实现人工智能的落地。其中，5G网络的主要作用是让终端用户始终处于联网状态，让信息通过5G在线快速传播和交互。

三、人工智能产业链（2）计算系统技术-大数据、云计算和5G通信越来越多的智能产品、APP、硬件在进行产品迭代和升级测试过程中，需要采集大量的数据，同时随着数据量的不断增加，数据价值也逐渐被企业所关注，尤其是偏重于业务型的企业，大量的数据，在未被挖掘整合的过程中通常被看作是无效且占用资源的，但一旦被发掘，数据的价值将无可估量，因此数据采集、标注和分析行业应运而生。

三、人工智能产业链（3）数据-数据采集、标注和分析技术层是人工智能产业的核心，以模拟人的智能相关特征为出发点，构建技术路径。主要包括算法理论（机器学习）、开发平台（基础开源框架、技术开放平台）和应用技术（计算机视觉、机器视觉、智能语音、自然语言理解）。

三、人工智能产业链2.技术层技术层算法理论开发平台应用技术机器学习基础开源框架技术开放平台计算机视觉机器视觉智能语音自然语言理解应用层是人工智能产业的延伸，集成一类或多类人工智能基础应用技术，面向特定应用场景需求而形成软硬件产品或解决方案。主要包括行业解决方案（“AI+”）和热门产品（智能汽车、机器人、智能家居、可穿戴设备等）。

三、人工智能产业链3.应用层随着深度学习、计算机视觉、语音识别等人工智能技术的快速发展，人工智能与终端和垂直行业的融合将持续加速，对传统的医疗、金融、教育、文娱、零售、物流、政务、安防等诸多行业将形成全面和重新的塑造。

三、人工智能产业链（1）行业应用-AI+传统行业人工智能领域的热门产品主要有智能汽车、机器人、智能家居、可穿戴设备等。

三、人工智能产业链（2）行业产品-智能汽车、机器人、智能家居、可穿戴设备等产品具体产品智能汽车自动驾驶系统解决方案、人机交互平台机器人工业机器人、特种机器人（服务机器人、水下机器人、娱乐机器人、军用机器人、农业机器人）智能家居智能灯光控制系统、智能窗帘、智能门锁、智能音箱、智能冰箱、智能水壶等可穿戴设备智能手环、智能手表、智能眼镜、智能头盔单元二

人工智能与机器学习学习目标掌握人工智能、机器学习、深度学习的关系；熟悉机器学习常用开发工具。具备探究学习、终身学习、分析问题和解决问题的能力；具备机器学习常用开发工具的使用能力。知识目标技能目标素养目标增强学生的信息素养、工匠精神、吃苦精神、创新思维；培养学生勇于奋斗、乐观向上，勇于创新的精神；增强学生科技强国、技术报国的使命感；增强学生法律意识、安全意识。人工智能是指使机器像人一样去决策，机器学习是实现人工智能的一种技术。深度学习是一种实现机器学习的技术，是机器学习中的一个分支方法，三者的关系如图所示。

一、机器学习简介人工智能机器学习深度学习简单的来说，机器学习就是设计一个算法模型来处理数据，输出我们想要的结果，我们可以针对算法模型进行不断的调优，形成更准确的数据处理能力。但这种学习不会让机器产生意识。

一、机器学习简介在深度学习初始阶段，每个深度学习研究者都需要写大量的重复代码。为了提高工作效率，研究者将这些代码写成了一个框架放在互联网上让所有研究者一起使用。接着，互联网上就出现了不同的框架。随着时间的推移，最为好用的几个框架被大量的人使用从而流行了者起来。全世界最为流行的机器学习框架有Scikit-Learn、PaddlePaddle、TensorFlow、Caffe、Theano、MXNet、PyTorch等。

二、机器学习常用开发工具Scikit-Learn是在SciPy的基础上发展起来的，SciPy是一个开源的基于Python的科学计算工具包。

Scikit-Learn工具包最早由数据科学家DavidCournapeau在2007年发起，需要NumPy和SciPy等其他包的支持，是Python语言中专门针对机器学习应用而发展起来的一款开源框架，它的维护也主要依靠开源社区。

二、机器学习常用开发工具1.Scikit-LearnScikit-Learn的优点如下：

包含大量机器学习算法的实现，提供了完善的机器学习工具箱；

支持预处理、回归、分类、聚类、降维、预测和模型分析等强大的机器学习库，近乎一半的机器学习和数据科学项目都使用了该包；

如果不考虑多层神经网络的相关应用，Scikit-Learn的性能表现是非常不错的。

二、机器学习常用开发工具1.Scikit-LearnScikit-Learn的缺点如下：

它不支持深度学习和强化学习；

它不支持图模型和序列预测；

不支持Python之外的语言；

不支持由Python实现的解释器PyPy；

不支持GPU加速。

二、机器学习常用开发工具1.Scikit-LearnPyTorch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：强大的GPU加速的张量计算、自动求导系统的深度神经网络。

二、机器学习常用开发工具2.PyTorchPyTorch的主要特点是：

简洁且高效快速的框架、设计追求最少的封装；

设计符合人类思维，它让用户尽可能地专注于实现自己的想法；PyTorch能持续的开发和更新、PyTorch作者亲自维护论坛，供用户交流和求教问题，入门比较简单。

二、机器学习常用开发工具2.PyTorchTensorFlow是研究和开发人员使用的众多深度学习框架之一，它可通过机器学习优化其应用程序。TensorFlow是Google的第二代人工智能学习系统，是一个基于数据流编程（dataflowprogramming）的符号数学系统，被广泛应用于各类机器学习算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。TensorFlow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。

二、机器学习常用开发工具3.TensorFlowTensorFlow具有以下优点：

TensorFlow社区活跃，易于找到相关的模型及问题，整体框架的各类配套工具较为成熟；

TensorFlow生产部署的方案成熟，从手机终端到服务器都比其他框架更加易于部署；

TensorFlow本身之上也有Keras等高层框架，可以高效开发；

TensorFlow在处理RNN及大规模并行深度学习时的能力非常强大；

拥有TensorflowServing可以直接加载模型来提供RPC接口服务。

二、机器学习常用开发工具3.TensorFlowTensorFlow具有以下缺点：

入门难度较大，实际上是一门新的语言，很多开发者反映写起来很麻烦；

有很多地方属于黑箱操作，难以理解数据处理的原理，调试较难；

不适合做快速的想法验证。

二、机器学习常用开发工具3.TensorFlowCaffe，是一个兼具表达性、速度和思维模块化的深度学习框架。由伯克利人工智能研究小组和伯克利视觉和学习中心开发。虽然其内核是用C++编写的，但Caffe提供Python和Matlab相关接口。Caffe支持多种类型的深度学习架构，面向图像分类和图像分割，还支持CNN、RCNN、LSTM和全连接神经网络设计。Caffe支持基于GPU和CPU的加速计算内核库，如NVIDIAcuDNN和IntelMKL。

二、机器学习常用开发工具4.Caffe此外Caffe还具有以下特点：

模块性：Caffe以模块化原则设计，实现了对新的数据格式、网络层和损失函数的轻松扩展。

表示和实现分离：Caffe已经用谷歌的ProtoclBuffer定义模型文件。使用特殊的文本文件prototxt表示网络结构，以有向非循环图形式的网络构建。

Python和MATLAB结合：Caffe提供了Python和MATLAB接口，供使用者选择熟悉的语言调用部署算法应用。

GPU加速：利用了MKL、OpenBLAS、cuBLAS等计算库，利用GPU实现计算加速。

二、机器学习常用开发工具4.Caffe飞桨（PaddlePaddle）以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，是中国首个自主研发、功能完备、开源开放的产业级深度学习平台。PaddlePaddle依托百度业务场景的长期锤炼，拥有最全面的官方支持的工业级应用模型，涵盖自然语言处理、计算机视觉及推荐引擎等多个领域，并开放多个领先的预训练中文模型，以及多个在国际范围内取得竞赛冠军的算法模型。

二、机器学习常用开发工具5.PaddlePaddlePaddlePaddle具有以下特点：

PaddlePaddle支持千亿规模参数、数百个节点的高效并行训练；PaddlePaddle拥有强大的多端部署能力，支持服务器端、移动端等多种异构硬件设备的高速推理，预测性能有显著优势，能够满足不同层次的深度学习开发者的开发需求，具备了强大支持工业级应用的能力，已经被我国企业广泛使用，也拥有了活跃的开发者社区生态。

二、机器学习常用开发工具5.PaddlePaddlePaddlePaddle具有以下特点：

PaddlePaddle支持千亿规模参数、数百个节点的高效并行训练；PaddlePaddle拥有强大的多端部署能力，支持服务器端、移动端等多种异构硬件设备的高速推理，预测性能有显著优势，能够满足不同层次的深度学习开发者的开发需求，具备了强大支持工业级应用的能力，已经被我国企业广泛使用，也拥有了活跃的开发者社区生态。

二、机器学习常用开发工具5.PaddlePaddleModelArts是华为公司面向开发者提供的一站式AI开发平台，能够为用户提供全流程的AI开发服务，为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成、端-边-云模型按需部署能力，能帮助用户快速创建和部署模型，管理全周期AI工作流，满足不同开发层次的需要，降低AI开发和使用门槛，实现系统的平滑、稳定、可靠运行。

二、机器学习常用开发工具6.ModelArtsModelArts的主要特点：

ModelArts的AIGallery中预置了大量的模型、算法、数据和NoteBook等资源，供初学者快速上手使用；

ModelArts的自动学习功能，可以帮助用户零代码构建AI模型；ModelArts同时也提供了开发环境，用户可以在云上的JupyterLab或者本地IDE中编写训练代码，进行AI模型开发。

二、机器学习常用开发工具6.ModelArts机器学习和自然语言处理(NLP)，使聊天机器人更具交互性和生产力。

三、机器学习的主要应用1.实时聊天机器人代理机器学习可以帮助企业将其拥有的大量数据转化为可操作的见解，为用户提供决策支持，从而实现价值。

三、机器学习的主要应用2.决策支持机器学习为客户推荐引擎提供了动力，增强了客户体验并能提供个性化体验。

三、机器学习的主要应用3.客户推荐引擎企业使用人工智能和机器学习可以预测客户关系何时开始恶化，并找到解决办法。

4.客户流失模型公司可以挖掘历史定价数据和一系列其他变量的数据集，以了解特定的动态因素（从每天的时间、天气到季节）如何影响商品和服务的需求。

三、机器学习的主要应用5.动态定价策略机器学习不仅帮助公司定价，它还能通过预测库存和客户细分帮助企业在正确的时间将正确的产品和服务交付到正确的区域。

6.市场调查和客户细分机器学习理解模式的能力，以及立即发现模式之外异常情况的能力使它成为检测欺诈活动的宝贵工具。

三、机器学习的主要应用7.欺诈检测从社交网站想要给其网站上的照片贴上标签，到安全团队想要实时识别犯罪行为，再到自动化汽车需要通畅的道路等都离不开机器学习、深度学习以及神经网络的帮助。

8.图像分类和图像识别尽管很多机器学习应用是高度专业化的，但许多公司也在通过这种技术来帮助处理日常业务流程，比如金融交易和软件开发。

三、机器学习的主要应用9.提升工作效率使用NLP的机器学习可以自动从文档中识别关键的结构化数据，即使所需的信息是以非结构化或半结构化的格式保存的。

10.信息提取电子邮件客户端使用了许多垃圾邮件过滤的方法。

11.垃圾邮件过滤随着人工智能成为热点，智能手机厂家纷纷推出“AI手机”，手机也越来越智能。手机AI芯片，就是根据用户习惯与需求，能够通过芯片的硬件处理能力（收集整理信息、运算与分析、应对处理）与系统传输配合，推算出用户的兴趣、爱好与需求，并即时反馈给给用户，比如识别用户语音从而做出反应。从目前的智能手机发展趋势来看，AI恰是技术突破的重要一环。AI与智能手机的结合，正顺应了这一技术潮流。下面带着大家体验如何利用华为手机的拍照功能识别食物的卡路里。

实训一

手机里的人工智能实训一

手机里的人工智能步骤一：打开相机，单击左上角的识图按钮

步骤二：单击【卡路里】按钮，然后镜头再对准食物实训一

手机里的人工智能步骤三：拍完照等待识别完成后，即可显示食物名称和卡路里信息。知识技能拓展：AlphaGo阿尔法围棋（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，由谷歌（Google）旗下DeepMind公司戴密斯·哈萨比斯领衔的团队开发。其主要工作原理是“深度学习”。2016年3月，阿尔法围棋与世界顶级、职业九段棋手李世石进行围棋人机大战，以4比1的总比分获胜；2016年末2017年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩；2017年5月，在中国乌镇围棋峰会上，它与排名世界第一的世界围棋冠军柯洁对战，以3比0的总比分获胜。围棋界公认阿尔法围棋的棋力已经超过人类职业围棋顶尖水平，在GoRatings网站公布的世界职业围棋排名中，其等级分曾超过排名人类第一的棋手柯洁。模块二

人工智能开发环境安装与使用单元一Anaconda环境搭建学习目标掌握Anaconda下载及安装方法；掌握Anaconda的常用命令；熟悉Pycharm下载及安装方法。能够下载并安装Anaconda；能够使用Anaconda的常用命令和下载及安装Pycharm。知识目标能力目标素养目标增强学生科技强国、技术报国的使命感；激发学生艰苦奋斗、自主创新的学习热情；增强学生法律意识、安全意识。一、Anaconda的下载和安装1.Anaconda简介Anaconda是一个开源的集成开发平台，它集成了Python的开发环境及众多常用的Python包和模块，如NumPy、Matplotlib等。Anaconda主页：/。一、Anaconda的下载和安装2.Anaconda的下载--Anaconda官网特点：从国外服务器下载，下载速度特别慢。下载地址：在Anaconda官方主页单击Products按钮，进入下载页。一、Anaconda的下载和安装2.Anaconda的下载--清华大学软件镜像站下载特点：国内镜像服务器下载，下载速度快。下载地址为：/anaconda/archive/一、Anaconda的下载和安装3.Anaconda的安装步骤1

双击下载好的“Anaconda3-2022.05-Windows-x86_64.exe”文件，在打开的对话框中单击“Next”按钮，如图所示。步骤2

显示“LicenseAgreement”界面，单击“IAgree”按钮，如图所示。一、Anaconda的下载和安装3.Anaconda的安装步骤

3显示“SelectInstallationType”界面，在“Installfor”列表中勾选“JustMe”单选钮，然后单击“Next”按钮，如图所示。步骤4显示“ChooseInstallLocation”界面，直接使用默认路径，单击“Next”按钮，如图所示。一、Anaconda的下载和安装3.Anaconda的安装步骤5显示“AdvancedInstallationOptions”界面，在“AdvancedOptions”列表中勾选“AddAnaconda3tomyPATHenvironmentvariable”和“RegisterAnaconda3asmydefaultPython3.9”复选框，单击“Install”按钮，如图所示。勾选“AddAnaconda3tomyPATHenvironmentvariable”表示把Anaconda3加入环境变量；勾选“RegisterAnaconda3asmydefaultPython3.9”表示将Anaconda3注册为默认安装的Python3.9。指点迷津一、Anaconda的下载和安装3.Anaconda的安装步骤6安装完成后单击“Next”按钮，最后单击“Finish”按钮，完成Anaconda3的安装。步骤7

单击“开始”按钮，选择“Anaconda3”→“AnacondaPrompt”选项，如图所示。步骤8在打开的“AnacondaPrompt”窗口中输入“condalist”命令，按回车键，如果显示很多库名和版本号列表，说明Anaconda安装成功了，如图所示。二、Anaconda常用命令1.Anaconda的使用方法AnacondaNavigator是Anaconda的图形界面管理工具。主要功能：（1）包管理；（2）环境管理。二、Anaconda常用命令1.Anaconda的使用方法（1）AnacondaNavigator安装包的方法（以安装Pymysql为例）：步骤1：Environments项，列表框选择All。二、Anaconda常用命令1.Anaconda的使用方法（1）AnacondaNavigator安装包的方法（以安装Pymysql为例）：步骤2：在右侧的搜索框输入pymysql，选中搜索结果，单击Apply。二、Anaconda常用命令1.Anaconda的使用方法（1）AnacondaNavigator安装包的方法（以安装Pymysql为例）：步骤3：在InstallPackages窗口中，单击Apply按钮。二、Anaconda常用命令1.Anaconda的使用方法（1）AnacondaNavigator安装包的方法（以安装Pymysql为例）：步骤4：安装成功，pymysql为Installed状态。二、Anaconda常用命令1.Anaconda的使用方法（2）AnacondaNavigator同时配置多个环境：步骤1：Environments项，单击Create按钮；输入名称，选择Python版本。二、Anaconda常用命令1.Anaconda的使用方法（2）AnacondaNavigator同时配置多个环境：步骤2：自动下载安装包进行安装。二、Anaconda常用命令1.Anaconda的使用方法AnacondaPrompt：Anaconda命令行终端。JupyterNotebook：基于网页的交互式程序编辑工具。Spyder：科学运算集成开发环境。二、Anaconda常用命令2.常见的conda命令（1）获取版本号conda–version或者conda–V（2）获得帮助conda–help或者conda–h二、Anaconda常用命令2.常见的conda命令（3）获得某一些命令的帮助condaremove–h二、Anaconda常用命令2.常见的conda命令（4）查看自带安装包condalist二、Anaconda常用命令2.常见的conda命令（6）创建环境：condacreate–nametensorflow2（7）删除环境：condaremove–nametensorflow2--all（8）新建指定python版本的环境：condacreate–nametensorflow3python=3.8三、Pycharm的安装和使用1.Pycharm的下载和安装Pycharm是专业的面向Python的集成开发环境。Pycharm主页：/pycharm/。三、Pycharm的安装和使用1.Pycharm的下载和安装步骤1：在主页单击DOWNLOAD按钮，弹出下载界面。三、Pycharm的安装和使用1.Pycharm的下载和安装步骤2：选择免费的社区版下载。双击文件安装，单击“Next”进入下一步。三、Pycharm的安装和使用1.Pycharm的下载和安装步骤3：设置安装路径，单击“Next”进入下一步。三、Pycharm的安装和使用1.Pycharm的下载和安装步骤4：进行安装设置。此处勾选“AddbinfoldertothePATH”，单击“Next”。三、Pycharm的安装和使用1.Pycharm的下载和安装步骤5：设置位于开始菜单中的目录。直接单击“Install”开始安装。三、Pycharm的安装和使用1.Pycharm的下载和安装步骤6：安装完成后，在程序开始菜单出现Pycharm启动项“JetBrains>PycharmCommunity”，单击PycharmCommunity选项即可启动。三、Pycharm的安装和使用2.Pycharm的使用步骤1：在Pycharm的主界面中选择“File>NewProject”菜单命令以新建项目。三、Pycharm的安装和使用2.Pycharm的使用步骤2：选择新建的项目，单击鼠标右键，在弹出的菜单中选择“New>PythonFile”菜单命令，新建Python文件，命名为“test”。三、Pycharm的安装和使用2.Pycharm的使用步骤3：Python文件中输入代码，单击鼠标右键，选择“Runtest”菜单命令。三、Pycharm的安装和使用2.Pycharm的使用扩展1

“File>Settings”菜单，打开Settings窗口。在左侧栏中选择“Project>ProjectInterpreter”选项，在右侧ProjectInterpreter选择解释器。三、Pycharm的安装和使用2.Pycharm的使用扩展2：使用第三方模块，可以在Settings窗口进行操作。单击Settings窗口右侧单击“+”，弹出以下窗口，在左侧选择安装的模块。三、Pycharm的安装和使用2.Pycharm的使用扩展2安装完成后，在Settings窗口中即可看到已经安装的模块NumPy。三、Pycharm的安装和使用3.Anaconda与Pycharm连接步骤1：打开Pycharm，单击File>Settings，进入Settings，单击PythonInterpreter。步骤1：打开Pycharm，单击File>Settings，进入Settings，单击PythonInterpreter。三、Pycharm的安装和使用3.Anaconda与Pycharm连接步骤1：打开Pycharm，单击File>Settings，进入Settings，单击PythonInterpreter。步骤2：单击右侧“齿轮”图标，出现“Add…”命令，单击此命令。三、Pycharm的安装和使用3.Anaconda与Pycharm连接步骤1：打开Pycharm，单击File>Settings，进入Settings，单击PythonInterpreter。步骤3：单击Conda环境，选择Existingenvironment，进行设置。三、Pycharm的安装和使用3.Anaconda与Pycharm连接步骤1：打开Pycharm，单击File>Settings，进入Settings，单击PythonInterpreter。步骤4：找到Python位置，依次单击“OK”按钮，等待环境加载完毕就可以了。单元二Python机器学习常用模块库的使用学习目标掌握机器学习常用第三方模块库：NumPy模块库、Pandas模块库和MatplotLib模块库。能够安装并使用常用第三方模块库，包括NumPy模块库、Pandas模块库和MatplotLib模块库。知识目标能力目标素养目标增强学生的责任担当意识、合作意识、精益求精的职业素养；增强学生科技强国、技术报国的使命感。一、NumPy模块库的使用步骤1：打开Pycharm，单击File>Settings，进入Settings，单击PythonInterpreter。NumPy（NumericalPython）模块是Python中的一种开源的数值计算扩展库，主要用于数组和矩阵的运算。目前NumPy已经成为其他大数据和机器学习模块的基础。NumPy主页：/。一、NumPy模块库的使用1.NumPy主要功能（3）随机数生成（5）傅里叶变换（4）线性代数运算（6）文件操作（1）数组操作（2）数学函数NumPy主要功能一、NumPy模块库的使用2.NumPy的安装NumPy的安装命令(使用Anaconda安装)：condainstallnumpy[=1.19.2]Numpy的安装验证命令为：importnumpyasnpprint(np.__version__)

#输出对应版本即可。一、NumPy模块库的使用3.NumPy的典型应用（1）NumPy导包importnumpyasnp（2）NumPy创建数组1>创建一维数组：a=np.array([1,2,3])2>创建二维数组：b=np.array([4,5,6],[7,8,9])3>创建全0的数组：c=np.zeros((3,4))4>创建等差数组：d=np.arange(1,12,2)5>创建对角矩阵：f=np.eye(3)6>创建0-1的随机数组：g=np.random.random((2,2))一、NumPy模块库的使用3.NumPy的典型应用（3）数组加、减法定义数组：a=np.array([1,2,3,4])b=np.array([5,6,7,8])数组相加：c=a+b[1234][5678]ab＋[681012][146][123]ba/[1.2.2.]（4）数组乘、除法定义数组：a=np.array([1,2,3])b=np.array([1,4,6])

数组相除：c=b/a一、NumPy模块库的使用3.NumPy的典型应用（5）数组索引二维数组：data=np.arange(12).reshape(3,4)定义判别式：mask=data>5输出判别式相关数据：data[mask]输出判别式相关数据一、NumPy模块库的使用3.NumPy的典型应用（6）数组切片：总是按照先切第0维，再切第一维，以此类推顺序切。二维数组：data=np.arange(12).reshape(3,4)设置0、1行&1、2列数值为0：data[0:2,1:3]=0[[0123][4567][891011]][[0003][4007][891011]]二、Pandas模块库的使用Pandas是一个数据分析工具，适用于处理XLS、CSV等表格数据。Pandas提供了高性能的数据分析工具，包含大量快速便捷地处理数据的函数和方法。Pandas主页：/。二、Pandas模块库的使用1.Pandas的数据类型Series：一维数组对象，包含一个值序列，并且包含数据标签，称为索引。类似电子表格中一列。Pandas有三种数据类型：Series、DataFrame和Panel。DataFrame：类似电子表格的数据结构，每一列可以有不同的数据类型，具有行和列索引。Panel：可以理解为DataFrame的容器，类似Excel的多表单Sheet。二、Pandas模块库的使用2.Pandas的安装Pandas的安装命令(使用Anaconda安装)：condainstallpandas[=1.1.3]Pandas的安装验证命令为：importpandasaspd print(pd.__version__)

#输出对应版本即可。二、Pandas模块库的使用3.Pandas的典型应用data=pd.read_csv(“文件路径/文件名.csv”)data.head(2)#读取前2行data.columns/index#显示数据列名/行名data.tail(2)#显示最后2行数据data.shape/ndim#查看数据行数和列数/维度（1）Pandas读取数据二、Pandas模块库的使用3.Pandas的典型应用foriindata: print(i+":"+str(data[i].unique()))（2）Pandas循环查看数据二、Pandas模块库的使用3.Pandas的典型应用data.isnull()#查看整个数据集的空值，返回True/Falsedata[‘money'].isnull()#查看某一列的空值data.fillna（value=None，method=None，inplace=False）#空值填充（3）Pandas数据清洗二、Pandas模块库的使用3.Pandas的典型应用pd.merge(left,right,how=‘inner’,on=None)（4）数据合并二、Pandas模块库的使用3.Pandas的典型应用data.groupby(‘column’).count()/.sum()#根据单属性进行汇总统计data.groupby([‘column1’,’column2’])count()/.sum()#根据多属性进行汇总统计（5）数据汇总三、MatplotLib模块库的使用MatplotLib主要用来可视化一些数据，更加直观的展示数据的呈现趋势，可以生成直方图、功率谱、条形图、错误图、散点图等。MatplotLib主页：/。三、MatplotLib模块库的使用1.MatplotLib的安装MatplotLib的安装命令(使用pip安装)：pipinstallmatplotlibMatplotLib的安装验证命令为：importmatplotlibasplt print(plt.__version__)

#输出对应版本即可。三、MatplotLib模块库的使用2.MatplotLib绘图--设置画布基本格式：figure(figsize,dpi,facecolor)三、MatplotLib模块库的使用2.MatplotLib绘图--设置坐标轴函数名传入参数及其作用xlabel()传入一个字符串，表示x轴的名称ylabel()传入一个字符串，表示x轴的名称grid()不需要传入参数，使直角坐标系显示网格title()传入一个字符串，表示标题三、MatplotLib模块库的使用2.MatplotLib绘图基本格式：plot(x,y,color,linestyle,marker,format_stirng,…)1.MatplotLib绘折线图参数作用xx轴数据yy轴数据color图形颜色linestyle线条样式,‘-’实现,‘--’虚线marker点样式,‘*’是星号,‘o’是原点format_string可以通过一串字符控制图形样式，如‘r--o’表示红色、原点、虚线三、MatplotLib模块库的使用2.MatplotLib绘图--折线图基本格式：plot(x,y,color,linestyle,marker[,format_string])三、MatplotLib模块库的使用2.MatplotLib绘图--散点图基本格式：scatter(x,y,s,linestyle,marker,format_stirng,…)参数作用xx轴数据yy轴数据s点标记大小c点标记颜色marker点样式,‘*’是星号,‘o’是原点三、MatplotLib模块库的使用2.MatplotLib绘图--子图基本格式：subplot(x,y,z)单元三TensorFlow2.3安装学习目标掌握TensorFlow2.3的安装方法。能够在不同版本不同操作系统下安装TensorFlow2.3。知识目标能力目标素养目标增强学生科技创新精神、激发学生自主创新的学习热情；增强学生精益、专注的大国工匠精神；引导学生树立严谨、求真的科学态度。一、TensorFlow简介TensorFlow是开源的机器学习框架，由谷歌开发与维护，用于语音识别和图像处理等多项深度学习领域，是目前最受欢迎的深度学习平台之一。一、TensorFlow简介TensorFlow2.3支持的系统以下64位系统支持TensorFlow2.3。（1）Ubuntu16.04或更高版本；（2）Windows7或更高版本；（3）macOS10.12.6(Sierra)或更高版本（不支持GPU）；TensorFlow版本分为CPU版本和GPU版本。一、TensorFlow2.3CPU版本的安装condacreate–ntensorflow2.3python==3.8第一步：创建tensorflow环境一、TensorFlow2.3CPU版本的安装activatetensorflow2.3第二步：激活tensorflow环境一、TensorFlow2.3CPU版本的安装pipinstallnumpymatplotlibPillowscikit-learnpandas-ihttps://pypi.tuna.tsi/simple第三步：安装辅助库一、TensorFlow2.3CPU版本的安装pipinstalltensorflow==2.3.0-i/simple第四步：安装TensorFlow一、TensorFlow2.3CPU版本的安装importtensorflowprint(tensorflow.__version__)#如果不报错，则安装成功。第五步：验证TensorFlow2.3安装成功二、TensorFlow2.3GPU版本的安装TensorFlowGPU前提（1）使用NVIDIAGPU必须有GPU硬件支持（2）显卡的计算能力在3.5以上，通过链接/cuda-gpus#compute查看。二、TensorFlow2.3GPU版本的安装TensorFlow的版本和运行库的版本是绑定的，一定要配合使用。TensorFlow2.3对应的Nvidia运行库版本如下图所示：二、TensorFlow2.3GPU版本的安装CUDA的下载与安装下载地址为：/cuda-toolkit-archive二、TensorFlow2.3GPU版本的安装CUDA的下载与安装第一步：运行安装包，选择安装位置。二、TensorFlow2.3GPU版本的安装CUDA的下载与安装第二步：自动检查系统兼容性；阅读许可协议，单击“同意并继续”按钮。二、TensorFlow2.3GPU版本的安装CUDA的下载与安装第三步：选择自定义安装，单击“下一步”；选择安装以下几个组件，单击“下一步”。二、TensorFlow2.3GPU版本的安装CUDA的下载与安装第四步：单击“下一步”，确认NsightVisualStudioEditionSummary。二、TensorFlow2.3GPU版本的安装CUDA的下载与安装第五步：单击“关闭”按钮关闭安装程序。二、TensorFlow2.3GPU版本的安装CuDNN的下载与安装下载地址为：/cudnn二、TensorFlow2.3GPU版本的安装CuDNN的下载与安装第一步：下载完毕之后解压，得到如下文件：二、TensorFlow2.3GPU版本的安装CuDNN的下载与安装第二步：复制bin、include、lib三个文件夹，粘贴到cuda安装路径下。二、TensorFlow2.3GPU版本的安装第三步：配置环境变量：编辑Path环境变量，添加以下两条路径。CuDNN的下载与安装二、TensorFlow2.3GPU版本的安装第一步：在DOS命令窗口中，创建独立环境 condacreate-ntensorflow-gpupython==3.8第二步：在DOS命令窗口中，激活独立环境 activatetensorflow-gpuTensorFlow2.3GPU安装二、TensorFlow2.3GPU版本的安装第三步：安装相关第三方库pipinstallnumpymatplotlibPillowscikit-learnpandas-ihttps://pypi.tuna.tsi /simpleTensorFlow2.3GPU安装二、TensorFlow2.3GPU版本的安装TensorFlow2.3GPU安装第四步：安装tensorflow-gpu pipinstalltensorflow-gpu==2.3.0-i/simple验证安装成功：importtensorflowastf tf.test.is_gpu_available() #返回值为True，则说明可以使用GPU加速。实现Python中NumPy、Pandas、MatplotLib三个模块库的简单使用。

实训二

Python模块库基本使用1.问题描述通过NumPy生成随机数，通过Pandas保存和读取文件，使用MatplotLib进行可视化展示。

2.思路描述3.解决步骤//导入相关库importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt 实训二

Python模块库基本使用3.解决步骤//使用NumPy生成随机数a=np.random.randint(0,10,40)#low=0，high=10，size=40，返回一个元素个数为40的随机数组，取值范围为0~9b=np.random.rand(10)#返回一个元素个数为10随机数组，随机样本取值范围是[0,1)c=np.random.randn(10)#返回一个元素个数为10数组，随机样本值服从标准正态分布d=np.random.normal(0,1,10)#loc=0,scale=1,size=10。loc=0说明这是一个以Y轴为对称轴的正态分布，scale=1说明正态分布的标准差为1，size=10说明生成一个元素个数为10数组

e=np.random.random(10)#生成一个元素个数为10的数组，浮点数范围为(0,1) 实训二

Python模块库基本使用3.解决步骤//使用Pandas保存、读取文件data.to_csv('data_a.csv',index=False)#文件的相对位置为：data_a.csv，index=False表示默认不添加索引’data.to_csv('data_b.csv',index=False)#文件的相对位置为data_b.csv，index=False表示默认不添加索引aa=np.array(pd.read_csv('data_a.csv'))#得到DataFrame转为ndarraybb=np.array(pd.read_csv('data_b.csv'))实训二

Python模块库基本使用3.解决步骤//使用MatplotLib可视化plt.subplot(2,2,1)#分成2*2的图片区域，占用第一个，即第一行第一列的子图plt.bar(aa[0],bb[0])#绘制条形图plt.subplot(2,2,2)#占用第二个，即第一行第二列的子图plt.scatter(c,d,color='b')#绘制散点图，默认颜色为蓝色plt.subplot(2,2,3)#占用第三个，即第二行第一列的子图plt.hist(e,bins=15,facecolor="blue",edgecolor="black",alpha=0.7)#bins=15指定有15条直方图，facecolor="blue"说明直方图颜色，edgecolor="black"说明直方图边框颜色，alpha=0.7说明透明度。plt.subplot(2,2,4)#占用第四个，即第二行第二列的子图plt.pie(slices,labels=activities,colors=cols,startangle=90,shadow=False,explode=(0,0.1,0,0),autopct='%1.1f')#绘制饼图实训二

Python模块库基本使用4.运行结果知识技能拓展：JupyterNotebook的使用JupyterNotebook是Anaconda套件中一款开源的Web应用程序，用户可以使用它编写代码、公式、解释性文本和绘图，并且可以把创建好的文档进行分享。如何使用JupyterNotebook编写程序呢？目前，JupyterNotebook已经广泛应用于数据处理、数学模拟、统计建模、机器学习等重要领域。知识技能拓展：JupyterNotebook的使用步骤1

在“AnacondaNavigator”窗口中，单击“JupyterNotebook”→“Launch”按钮，如图所示。步骤2

在默认的浏览器中打开JupyterNotebook，如图所示。从图JupyterNotebook界面中可以看到，它的顶部有3个选项卡，分别是“Files”“Running”和“Clusters”。其中，“Files”中列出了所有文件，“Running”中显示已经打开的终端和Notebook运行状况，“Clusters”则是由IPythonparallel包提供，用于并行计算。知识技能拓展：JupyterNotebook的使用还可以通过下面两种方法启动JupyterNotebook：①单击“开始”按钮，选择“Anaconda3”→“JupyterNotebook”选项；②在Windows命令终端输入命令“jupyternotebook”。还有其他方法启动JupyterNotebook吗？知识技能拓展：JupyterNotebook的使用步骤3在JupyterNotebook界面中选择“Files”→“New”→“Python3”选项，如图所示。知识技能拓展：JupyterNotebook的使用在JupyterNotebook界面中，“New”下拉按钮除了“Python3”选项外，还有“TextFile”“Folder”和“Terminal”3个选项：①选择“TextFile”选项，会新建一个空白文档，在其中可以编辑任何字母、单词和数字，也可以选择一种编程语言，然后用该语言编写脚本；②选择“Folder”选项，可以创建一个新文件夹，把所需文档放入其中，也可以修改文件夹的名称或删除文件夹；③选择“Terminal”选项，其工作方式与在个人终端上完全相同，只是将终端嵌入到Web浏览器中工作。知识技能拓展：JupyterNotebook的使用步骤4

以Python3工作方式打开JupyterNotebook，如图所示。Notebook名称菜单栏工具栏代码单元格指点迷津：当以Python3工作方式新建一个文档时，在JupyterNotebook中会显示Notebook名称、菜单栏、工具栏和代码单元格等。在上图中，JupyterNotebook将Notebook名称命名为“Untitled1.ipynb”，单击“Untitled1.ipynb”会弹出一个对话框，可以对当前文档进行重命名；代码单元格是默认的单元格类型，用于编写代码，单元格类型还有标记单元格、原生单元格和标题单元格。知识技能拓展：JupyterNotebook的使用步骤5

在代码单元格中输入“print('HelloWorld!')”语句，如图所示。步骤6使用快捷键“Shift+Enter”或单击工具栏中的“运行”按钮，运行代码单元格中的代码，运行结果显示在代码单元格下方，并在运行结果下方产生一个新的空白代码单元格，如图所示。知识技能拓展：JupyterNotebook的使用指点迷津运行代码还可以使用快捷键“Alt+Enter”或“Ctrl+Enter”。其中，快捷键“Alt+Enter”是运行当前单元格并在下方插入新的空白单元格；快捷键“Ctrl+Enter”是运行当前单元格并进入命令模式，但不会有新的单元格产生。步骤7

在空白代码单元格中输入“%pwd”语句并运行，得到当前文件所在位置的绝对路径，如图所示。知识技能拓展：JupyterNotebook的使用JupyterNotebook提供了魔术命令，完成一些特殊的功能。魔术命令在代码单元格中运行，以“%”或“%%”开头。“%”控制一行，“%%”控制整个单元格，常用的魔术命令如表所示。命令功能%%filePython文件的绝对路径将脚本代码写入本地Python文件，不在JupyterNotebook中运行%loadPyth