上一小節概述了飛槳的優勢以及深度學習框架的作用，有助於建模者節省大量而繁瑣的外圍工作，更聚焦業務場景和模型設計本身。
本節來介紹飛槳深度學習框架在本地計算機或者雲伺服器的安裝過程，以滿足後續的實踐操作過程。
飛槳官網提供了快速安裝的流程，選擇相應的配置資訊，下面會提供安裝的命令。
支援的作業系統：windows、macos、ubuntu、centos；
安裝方式：pip、conda、docker、原始碼編譯；
支援的python版本：2.7.15+、3.5.1+/3.6/3.7，其餘的python版本暫不支援；
cuda版本：cuda10、cuda9，cpu。
本次安裝選擇的機器配置如下：
隨即下方出現安裝資訊，以及安裝步驟和相關命令。
值得注意的是，安裝之前確認是否安裝anaconda，因為選擇的是這種安裝方式，如果沒有安裝的話，可以參考如下：
ubuntu 16.04安裝anaconda3詳細教程
確認安裝資訊沒有問題，跟著步驟來做，但是仍然可能出現一些錯誤，接下來一起安裝看看吧。
開啟終端，執行如下命令新增清華源。
$ conda config --add channels
$ conda config --add channels
$ conda config --add channels
$ conda config --set show_channel_urls yes
$ conda create --name paddle python=3.7
$ conda activate paddle
但是安裝過程中，出現了如下問題：
''這個問題是因為conda用的預設的源，沒有用清華源。
解決方法：home目錄下，終端執行ls -a檢視檔案，找到.condarc檔案，可以終端執行cp ~/.condarc ~/.condarcbak命令先複製備份一下，然後終端執行
gedit .condarc，刪除 -default 行，儲存並重新執行
$ conda create --name paddle python=3.7
$ conda activate paddle
輸入以下指令確認 python 位置
$ which python3$ python3 --version下面的兩個命令分別輸出的是 「64bit」 和 「x86_64」 即可：
$ python3 -c "import platform;print(platform.architecture()[0]);print(platform.machine())"$ conda install paddlepaddlepreparing transaction: done
verifying transaction: done
executing transaction: done
$ python
>>
>
import paddle.fluid
>>
> paddle.fluid.install_check.run_check(
)
your paddle fluid is installed successfully! let's start deep learning with paddle fluid now，說明已成功安裝。 飛槳「PaddlePaddle」實踐學習筆記
補交8月14日打卡作業 numpy numerical python 是 python 的乙個擴充套件程式庫，支援大量的維度陣列與矩陣運算，此外也針對陣列運算提供大量的數學函式庫。nupmy可用來儲存和處理大型矩陣，比python自身的巢狀列表 nested list structure 結構要高效...
深度學習 飛槳 學習筆記 note1
三者的關係是逐層專業化。人工智慧是比較范的概念，而機器學習是實現人工只能又有效的方式，深度學習則是機器學習中的乙個分支，目前發展火熱，並替代了大多數機器學習的演算法。機器學習從字面理解，是機器自我學習成長的過程，使得計算結果接近於人類思考後的目標。在機器學習領域中，有監督學習和無監督學習之分。監督學...
飛槳 7日目標檢測第4日 學習筆記
輸出部分yolo v3輸出了3個不同尺度的feature map，如上圖所示的y1,y2,y3，該做法借鑑了fpn feature pyramid networks 採用多尺度來對不同size的目標進行檢測 對於coco類別而言，有80個種類，所以每個box應該對每個種類都輸出乙個概率，yolov3...