2.1 Python基本安装和用法
Python是深度学习的首选开发语言，但是对于安装来说，很多第三方提供了集成了大量科学计算类库的Python标准安装包，其中最常用的是Anaconda。
Anaconda集成了很多Python科学计算的第三方库，安装非常方便，而Python是一个脚本语言，如果不使用Anaconda，那么第三方库的安装会比较困难，各个库之间的依赖性就很难连接得很好。因此在这里推荐使用集合了大量第三方类库的安装程序Anaconda来替代Python的安装。
2.1.1 Anaconda的下载与安装
1．第一步：下载和安装
Anaconda官方的下载地址是：https://www.continuum.io/downloads/（如图2.1所示，不推荐使用Python 3.7版，请继续读下去）。
图2.1 Anaconda下载页面
目前提供的是集成了Python 3.7版本的Anaconda下载，如果读者目前使用的是Python 3.6也是完全可以的，作者经过测试，无论是3.7或3.6版本的Python，都不会影响TensorFlow 2.0的使用，但是目前Python 3.7运行TensorFlow 2.0会碰到一些小问题，建议善于解决环境问题的读者使用Python 3.7。
（1）这里作者推荐使用的是Windows Python 3.6的版本，因为3.7版本推出的时间不是很长，有可能会遇到一些莫名其妙的问题，因此建议读者在新版本稳定以后再下载。集成Python 3.6版本的Anaconda可以在清华大学Anaconda镜像网站下载，地址如下：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
打开后如图2.2所示。
图2.2 清华大学Anaconda镜像网站提供的副本
注意
请选择以Anaconda3开头、以64结尾的安装文件，不要下载错了！
（2）下载完成后是exe版本，直接运行即可安装，与普通软件一样。安装完成以后，出现如图2.3所示的目录结构，说明安装正确。
图2.3 Anaconda安装目录
2．第二步：打开控制台
之后依次单击：开始→所有程序→Anaconda→Anaconda Prompt。这些步骤和打开CMD控制台类似，输入命令就可以控制和配置Python。在Anaconda中最常用的是conda命令，该命令可以执行一些基本操作。
3．第三步：验证Python
之后在控制台中输入“python”，如果安装正确会打印出版本号以及控制符号。在控制符号下输入代码：
print("hello Python")
输入结果如图2.4所示。
图2.4 验证Anaconda Python安装成功
4．第四步：使用conda命令
建议读者使用Anaconda的好处在于，其能够很方便地帮助读者安装和使用大量第三方类库。查看已安装的第三方类库的命令是：
conda list
在Anaconda Prompt控制台中输入exit()或者重新打开Anaconda Prompt控制台后直接输入conda list命令，结果如图2.5所示。
图2.5 列出已安装的第三方类库
Anaconda中使用conda进行操作的方法还有很多，其中最重要的是安装第三方类库，命令如下：
conda install name
这里的name是需要安装的第三方类库名，例如当需要安装NumPy包（这个包已经安装过，见图2.6），那么输入的命令就是：
conda install numpy
图2.6 举例自动获取或更新依赖类库
使用Anaconda一个特别的好处就是默认安装好了大部分学习所需的第三方类库，这样大大减少了使用者在安装和使用某个特定类库的情况下可能存在的依赖类库的缺失问题。
2.1.2 Python编译器PyCharm的安装
和其他语言类似，Python程序的编写可以使用Windows自带的控制台进行程序编写。但是这种方式对于较为复杂的程序工程来说，容易混淆相互之间的层级和交互文件，因此在编写程序工程时，建议使用专门的Python编译器——PyCharm。
1．第一步：PyCharm的下载和安装
PyCharm的下载地址为：http://www.jetbrains.com/pycharm/。
（1）进入Download页面后可以选择不同的版本，如图2.7所示，收费的专业版和免费的社区版。这里建议读者选择免费的社区版即可。
图2.7 PyCharm的免费版
（2）双击运行后进入安装界面，如图2.8所示。直接单击Next按钮，采用默认安装即可。
（3）如图2.9所示，这里需要注意，在安装PyCharm的过程中需要对安装的位数进行选择，这里读者需要选择与安装Python相同位数的文件。
图2.8 PyCharm的安装文件
图2.9 PyCharm的配置选择（按个人真实情况选择）
（4）安装完成后出现Finish按钮，单击该按钮完成安装。如图2.10所示。
图2.10 PyCharm安装完成
2．第二步：使用PyCharm创建程序
（1）单击桌面上新生成的
图标进入PyCharm程序界面，首先是第一次启动的定位，如图2.11所示。这里是对程序存储的定位，一般建议选择第2个，由PyCharm自动指定即可。之后单击弹出的“Accept”按钮，接受相应的协议。
图2.11 PyCharm启动定位
（2）接受协议后进入界面配置选项，如图2.12所示。
（3）在配置区域中可以根据自己的使用习惯对PyCharm的界面进行配置，如果对其不熟悉的话，直接单击OK按钮，使用默认的即可。
（4）最后就是创建一个新的工程，如图2.13所示。
图2.12 PyCharm界面配置
图2.13 PyCharm工程创建界面
在这里，建议读者新建一个PyCharm的工程文件，结果如图2.14所示。
之后右击新建的工程名PyCharm，选择New→Python File菜单新建一个helloworld.py文件，如图2.15所示。
图2.14 PyCharm新建文件界面
图2.15 PyCharm工程创建界面
输入代码并单击菜单栏的Run→run…运行代码，或者直接右击helloworld.py文件名，在弹出的快捷菜单中选择run。如果成功输出hello world，那么恭喜你，Python与PyCharm的配置完成！
2.1.3 使用Python计算softmax函数
对于Python科学计算来说，最简单的想法就是可以将数学公式直接表达成程序语言，可以说，Python满足了这个想法。本小节将使用Python实现和计算一个深度学习中最为常见的函数——softmax函数。至于这个函数的作用，现在不进行说明，作者只是带领读者尝试实现这个函数。
首先softmax计算公式如下所示：
其中Vi是长度为j的数列V中的一个数，带入softmax的结果其实就是先对每一个Vi取e为底的指数计算变成非负，然后除以所有项之和进行归一化，之后每个Vi就可以解释成观察到的数据Vi属于某个类别的概率，或者称作似然（Likelihood）。
提示
softmax用以解决概率计算中概率结果大占绝对优势的问题。例如函数计算结果中2个值a和b，且a>b，如果简单地以值的大小为单位衡量的话，那么在后续的使用过程中，a永远被选用而b由于数值较小而不会被选择，但是有时候也需要数值小的b被使用，那么，softmax函数就可以解决这个问题。
softmax按照概率选择a和b，由于a的概率值大于b，在计算时a经常会被取得，而b由于概率较小，取得的可能性也较小，但是也有几率被取得。
公式softmax的代码如下所示：
【程序2-1】
可以看到，当传入一个数列后，分别计算每个数值所对应的指数函数值，之后将其相加后计算每个数值在数值和中的几率。
a=numpy.array([[1,2,1,2,1,1,3]])
结果如下所示：
