一、神经网络的发展与起源
1. 人工智能的定义：人工智能是能感知环境，并为获得最佳结果，采取理性活动的智能体。
2. 2006年，辛顿教授在Nature上发表了一篇论文，深层次的人工神经网络具有优异的学习能力。
3. 从20世纪60年代起，人工智能经历了 逻辑推理、专家系统、机器学习。
4. 人工智能实际上可以看成人类智能的外在表现。
5. TensorFlow2.0 更强调易用性，简单清晰，易于扩展，极大地降低了深度学习编程的门槛。 正如，python极大降低了编程的门槛。
6. Anaconda3：强大的包管理和环境管理。包管理： 安装、更新、卸载工具包；在安装工具包时，自动安装相应的依赖包。环境管理：可以在同一台机器上创建几个相互独立的虚拟环境；可以隔离不同项目所需要的不同版本的工具包；不同的环境之间可以快速切换。
二、下载和安装 Anaconda
1. Anaconda的下载与安装
（1）Anaconda官网：https://www.anaconda.com/distribution/
（2）清华大学软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
推荐使用清华大学软件镜像站下载。
进入网站后，选择最新版本，适合自己电脑型号的文件进行下载。
可以点击右边的 Date 进行排序，Anaconda 后面的数字代表兼容的 python版本，例如 Anaconda3 兼容 python3，后面的后缀代表更新日期和电脑系统，根据自己的电脑系统进行选择。
如果仅运行 Python，可以使用 32 位系统；但是 TensorFlow2.4 不支持 32位 Python，因此要使用 TensorFlow，就要使用 64 位系统。
第一个选项是询问是否将 Anaconda 加入系统的环境变量，第二个选项是询问是否将 Anaconda 的 python 作为系统默认的 python，为了方便以后的开发，将两个选项都勾选。
点击左侧的 Environments 的按钮，进入环境和包管理界面，中间显示的是系统有哪些独立的运行环境，右侧显示的是对应环境中已经安装好 python 模块包。
点击 base 右侧的三角行按钮，选择 Open Terminal，进入 CMD 窗口，输入conda info，输出显示当前 conda 的信息，至此，Anaconda 安装已经完成。
2. Anaconda中比较常用的是Jupyter notebook和VS code这两个软件，VS code是一个轻量级但功能强大的源代码编辑工具，新版主页中也就不再显示VS code，因此我们需要在VS code官方网站自行下载安装。
https://code.visualstudio.com/
3. Python的运行模式——交互模式
（1）打开命令行窗口
（2） 键入 python，激活python交互模式，出现Python提示符 >>>
（3）在提示符 >>> 处, 写入Python语句
（4） 回车，得到Python语句的执行结果
退出Python交互模式： 在Python命令提示符后，输入 exit() 或 quit()； 在Windows系统中，也可以输入ctrl+Z，回车，退出
4. Python的运行模式——脚本模式
（1）打开编辑器，创建文件夹，创建Python文件
（2）写入Python语句，保存脚本
（3）在命令行窗口中，使用Python+文件名的方式运行该脚本，得到运行结果
三、下载和安装 Tensorflow2.16
3.1 在命令行安装
3.1.1 创建并激活新的运行环境
(1) 打开命令行窗口，输入：
conda create -n tensorflow2.16 python==3.11 创建环境
(2) 输入 conda activate tensorflow2.16 激活环境
3.1.2 安装相关软件包
在激活的 tensorflow2.16 环境中输入：
pip install numpy matplotlib Pillow scikit-learn pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
3.1.3 安装 TensorFlow2.16
官网网址：https://tensorflow.google.cn/，API下拉箭头可见版本。
继续输入：
pip install tensorflow==2.16.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
3.1.4 测试 TensorFlow2.16
重新打开命令行窗口，输入 python，打开 python 交互模式，输入：import tensorflow。
如果不报错，则安装成功。
3.2 通过 Anaconda Navigator 安装
3.2.1 创建独立环境并激活
进入 Anaconda Navigator 的环境管理界面，点击下方的 create 按钮创建独立运行环境，环境名为 Tensorflow2-4（名字可以换成你想要的名字），python 版本为 3.8。
为了提高下载速度，使用清华镜像库推荐设置。
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
3.2.2 安装相关的软件包
点击 tensorflow2.4 环境名称右侧的绿三角打开命令行窗口,输入：
pip install numpy matplotlib Pillow scikit-learn pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
3.2.3 安装 Tensorflow2.4
点击 tensorflow2.4 环境名称右侧的绿三角打开命令行窗口，输入命令：
pip install tensorflow==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
TensorFlow2.4 已不是最新版本，后续随着版本更迭，旧的版本可能找不到，需要安装新的版本。
3.2.4 测试 Tensorflow2.4
点击 tensorflow2.4 环境名称右侧的绿三角打开命令行窗口，输入命令：
import tensorflow
如果没有任何提示，则证明安装成功。
GPU版本的安装：
参考：https://cloud.tencent.com/developer/article/2312836，区别如下：
① 下载的版本略有不同cuda_11.2.2_461.33_win10.
② 按照上面的步骤编辑 PATH 环境变量，添加以下路径，并上移到第3：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\lib64
③ 创建好虚拟环境后
使用pip命令安装tensorflow 2.10.0（不需要特别指明gpu版本）
pip install tensorflow==2.10 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install numpy matplotlib Pillow scikit-learn pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
由于numpy版本不兼容，测试会报错，解决方案：降级Numpy，注意引号的使用。
pip install"numpy<2" -i https://pypi.tuna.tsinghua.edu.cn/simple
参考：https://blog.csdn.net/cherryc_/article/details/140651078
④ 测试
import tensorflow as tf
print(tf.__version__)#查看tensorflow版本
print(tf.config.list_physical_devices('GPU'))
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))
