-
安装必要软件：首先需要安装Anaconda或Miniconda等科研计算环境，并创建虚拟环境以便管理不同项目所需库和版本。可以按照如下步骤进行操作：
- 下载并安装 Anaconda 或 Miniconda。
- 打开命令行工具（Windows 系统中为 cmd），输入 conda create --name env_name python=3.x 创建一个新的 Python 虚拟环境 (env_name 代表你想给这个虚拟环境取名字)。
- 输入 activate env_name 激活该虚拟环境。
-
学会基本知识：在开始深入学习之前，建议掌握一些 Python 常见数据类型、函数定义与调用、流程控制结构(if-else, for-loop, while-loop）及其相关操作符；理解 Numpy 数组运算原理并能够灵活地处理多维数组；初步接触 Pandas 数据分析工具包。
-
选择合适框架: 目前常见的开源框架有 TensorFlow 和 PyTorch 等两个主流选项。TensorFlow 是由 Google 开发推出，支持跨平台部署和移动端集成优化;而PyTorch则更加注重用户友好性和可读性方面设计而备受欢迎.
4 . 深入阅读文档资料 ：根据自己感兴趣或者实际任务需求去查看相对应API文档说明书籍如《Deep Learning with Python》(Francois Chollet) 或 "Hands-On Machine Learning with Scikit-Learn and TensorFlow" (Aurélien Géron)，这些都可以让您快速进入状态并获得关键信息
5 . 实战演示案例 : 在完成以上减少后就可以尝试着通过各类公共资源网站获取已标记过样本数据集然后利用刚才所述方法搭建起简单卷积神经网络(CNN), 并针对特定场景做出预测结果评估效果即可！
6 . 参考其他人代码/模型 ：参考他人写作风格清晰易懂且功能强大程序员们分享到GitHub上来供社区使用！如果遇到问题，请随时向 Stack Overflow 上提问寻找帮助!
总之，在开始任何新事物时，请确保始终从最基础层次认真思考每个步骤，并随着时间增长渐进式地添加新内容
想了解更多，欢迎加企鹅群894692354
标签：name,Python,学习,PyTorch,虚拟环境,env,深度,TensorFlow From： https://www.cnblogs.com/Allenalien/p/17815535.html