安装Anaconda:

1、安装Anaconda

（1）在安装相关框架之前，首先要确定自己的计算机是否已经成功安装了Anaconda.其可以从官方网站（Anaconda | The World’s Most Popular Data Science Platform）下载。

 

（2）下载与自己机器匹配的版本。

 

（3）然后根据界面提示安装。

安装成功

 

电脑无GPU
以下框架均为CPU版本

安装TensorFlow
首先在Anaconda中创建虚拟环境完成后续工作。

对于CPU版本，安装特定CPU版的tensorflow。

官网网址： 关于TensorFlow | TensorFlow中文官网

cpu版本直接pip install  tensorflow

验证是否安装成功

在pycharm配置环境

模型官网选的代码

# 导入TensorFlow库，这是一个用于机器学习的开源库
import tensorflow as tf

# 从TensorFlow的keras模块中加载mnist数据集
# mnist是一个包含手写数字图片和对应标签的经典数据集
mnist = tf.keras.datasets.mnist

# 加载数据集，将其分为训练集和测试集
# x_train: 训练用的图片数据，y_train: 训练图片对应的标签
# x_test: 测试用的图片数据，y_test: 测试图片对应的标签
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 对图像数据进行归一化处理
# 将像素值从0-255的整数范围转换为0-1的浮点数范围
# 这有助于提高神经网络的训练效率和稳定性
x_train, x_test = x_train / 255.0, x_test / 255.0

# 创建一个序列模型（Sequential），这是一种简单的线性堆叠模型
model = tf.keras.models.Sequential([
    # Flatten层：将二维的图像数据(28x28像素)展平为一维数组(784个元素)
    # 作为神经网络的输入层
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    
    # Dense层：全连接层，包含128个神经元
    # 使用relu激活函数，用于引入非线性特性
    tf.keras.layers.Dense(128, activation='relu'),
    
    # Dropout层：在训练过程中随机丢弃20%的神经元
    # 用于防止模型过拟合，提高泛化能力
    tf.keras.layers.Dropout(0.2),
    
    # 输出层：包含10个神经元(对应0-9共10个数字)
    # 使用softmax激活函数，将输出转换为概率分布
    tf.keras.layers.Dense(10, activation='softmax')
])

# 配置模型的训练参数
# optimizer='adam'：使用Adam优化器，一种常用的自适应学习率优化算法
# loss='sparse_categorical_crossentropy'：损失函数，适用于整数标签的多分类问题
# metrics=['accuracy']：训练过程中监控的指标，这里使用准确率
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 训练模型
# 使用训练集数据(x_train, y_train)进行训练
# epochs=5：训练5个轮次，即整个训练集将被迭代5次
model.fit(x_train, y_train, epochs=5)

# 在测试集上评估模型性能
# 输出模型在测试集上的损失值和准确率
model.evaluate(x_test, y_test)

3 、安装 paddlePaddle

安装前，首先在Anaconda中创建虚拟环境完成后续工作

paddle的安装比较简单，只需要到paddle官网，然后根据自己计算机的配置选择相应的版本后，会自动获取paddle的安装命令，复制安装命令代码到如图3所示的终端命令行工具下运行即可

安装完成后可以使用 python 进入 python 解释器，输入

import paddle ，再输入 paddle.utils.run_check()

如果出现PaddlePaddle is installed successfully!，说明您已成功安装

4、安装Pytorch

安装前，首先在Anaconda中创建虚拟环境完成后续工作。

对于CPU版本，可直接参照官网，根据本机操作系统、环境类型等选择，然后复制命令代码完成安装

验证安装