第1章　开发环境软件安装
　　（一）实验目的
　　（1）配置机器学习环境，成功实现在Windows系统下运行机器学习项目。
　　（2）掌握机器学习环境配置的相关软件，熟练配置机器学习运行平台。
　　（3）掌握Anaconda软件配置相关运行环境。
　　（4）掌握Windows平台下不同环境的搭建方法。
　　（二）实验内容
　　（1）安装Anaconda，并使用Anaconda配置相关运行平台。
　　（2）查找相关资料，根据硬件基础匹配相应软件的版本。
　　（3）完成CUDA、cuDNN、Anaconda、PyCharm的安装。
　　（三）实验设备
　　（1）PC机1台。
　　（四）软件环境匹配
　　在搭建Windows机器学习运行平台的过程中，对于安装软件的版本是有严格要求的，官方根据不同的硬件环境给出了主要软件版本的对应表，如表1.1所示。其中Windows系统主要以Windows10为主。
　　因此，在搭建软件运行环境前，需要先了解PC机安装的CUDA驱动版本，并据此安装相应的运行平台。
　　查询CUDA驱动版本的主要步骤如下。
　　（1）点击鼠标右键，打开“NVIDIA控制面板”。点击“系统信息”，如图1.1所示。
　　图1.1　NVIDIA控制面板
　　（2）打开“系统信息”界面后，点击“组件”，就可以找到NVIDIA的驱动版本，如图1.2所示。
　　图1.2　NVIDIA驱动版本
　　需要注意的是，驱动版本是可以升级的。如有需要，可以前往官网下载更新驱动版本，但不建议随意升级NVIDIA驱动。NVIDIA驱动官方下载地址：
　　NVIDIA的驱动版本与CUDA和系统对应表如表1.2所示，可以根据需要安装CUDA，下载对应的NVIDIA驱动。
　　（五）实验步骤
　　1. 安装CUDA
　　根据系统驱动版本选择安装CUDA10.0。CUDA10.0官方下载地址：
　　（1）选择CUDA安装路径，如图1.3所示。
　　图1.3　选择CUDA安装路径
　　（2）NVIDIA安装程序软件许可协议界面如图1.4所示，点击“同意并继续”。
　　图1.4　NVIDIA安装程序软件许可协议
　　（3）选择“自定义（C）（高级）”，如图1.5所示。
　　图1.5　NVIDIA安装程序安装选项
　　（4）根据需要安装对应组件，通常驱动会自带“NVIDIA GeForce Experience”，但新升级的驱动可能没有，可以勾选进行安装，如图1.6所示。之后正常安装即可。
　　图1.6　NVIDIA安装程序自定义安装选项
　　（5）需要注意的是，如果电脑之前安装过Visual Studio，可能会造成安装失败，如图1.7所示。
　　图1.7　NVIDIA安装程序失败
　　此时，将“Visual Studio Integration”前面的勾选去掉，即去掉这个组件选项，就可以正常安装了，如图1.8所示。因为实验主要通过PyCharm完成，所以并不会有影响。　
　　图1.8　去掉“Visual Studio Integration”选项
　　（6）安装成功后，关闭安装进程。打开C盘，进入目录：
　　C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
　　如果能在目录中成功找到nvcc.exe文件，说明安装成功，如图1.9所示。
　　2. 安装cuDNN
　　cuDNN官方下载地址：
　　图1.9　验证CUDA是否安装成功
　　由表1.1可知，与CUDA10.0对应的是cudnn 7.4，下载时需要特别注意下载安装的系统和版本。下载之后，将文件解压，解压后主要有三个文件夹，即bin、include、lib。将解压后的文件全部移至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录下，与原有的bin、lib、include文件夹合并。
　　（1）解压文件夹，并将文件夹打开，进入CUDA目录。解压后的文件夹如图1.10所示。
　　图1.10　解压后的文件夹
　　（2）剪切这三个文件夹，将其粘贴至C:\Program Files\NVIDIA GPU Computing Toolkit\ CUDA\v10.0目录下，与之前的文件夹合并，如图1.11所示。如果合并失败，可以手动将文件一一拖进去。

目录
前言
第1章　开发环境软件安装　001
（一）实验目的　002
（二）实验内容　002
（三）实验设备　002
（四）软件环境匹配　002
（五）实验步骤　004
（六）实验要求　021
第2章　TensorFlow-GPU 1.13.1和CV2等开发包及其他依赖库安装　022
（一）实验目的　023
（二）实验内容　023
（三）实验设备　023
（四）软件介绍　023
（五）安装步骤　024
（六）实验要求　044
第3章　鸢尾花多分类全连接神经网络识别案例（Python代码实现）　045
（一）实验目的　046
（二）实验内容　046
（三）实验设备　046
（四）实验原理　046
（五）实验步骤　052
（六）实验要求　059
（七）实验习题　059
第4章　鸢尾花多分类全连接神经网络识别案例（Keras类实现）　060
（一）实验目的　061
（二）实验内容　061
（三）实验设备　061
（四）实验原理　061
（五）实验步骤　066
（六）实验要求　072
（七）实验习题　072
第5章　MINIST手写数字识别案例（Python代码实现）　073
（一）实验目的　074
（二）实验内容　074
（三）实验设备　074
（四）实验原理　074
（五）实验步骤　084
（六）实验要求　091
（七）实验习题　091
第6章　MINIST手写数字识别案例（Keras类实现）　093
（一）实验目的　094
（二）实验内容　094
（三）实验设备　094
（四）实验原理　094
（五）实验步骤　103
（六）实验要求　111
（七）实验习题　111
第7章　Fashion MNIST服装识别案例　112
（一）实验目的　113
（二）实验内容　113
（三）实验设备　113
（四）实验原理　113
（五）实验步骤　119
（六）实验要求　127
（七）实验习题　128
第8章　CIFAR-10数据集彩色图片识别案例　129
（一）实验目的　130
（二）实验内容　130
（三）实验设备　130
（四）实验原理　130
（五）实验步骤　139
（六）实验要求　145
（七）实验习题　146
第9章　Embedding编码下通过1个字母预测下一个字母的案例　147
（一）实验目的　148
（二）实验内容　148
（三）实验设备　148
（四）实验原理　148
（五）实验步骤　154
（六）实验要求　160
（七）实验习题　160
第10章　Embedding编码下通过4个字母预测下一个字母的案例　161
（一）实验目的　162
（二）实验内容　162
（三）实验设备　162
（四）实验原理　162
（五）实验步骤　169
（六）实验要求　178
（七）实验习题　178
第11章　股票预测案例（LSTM网络实现）　179
（一）实验目的　180
（二）实验内容　180
（三）实验设备　180
（四）实验原理　180
（五）实验步骤　187
（六）实验要求　195
（七）实验习题　195
第12章　基于OpenCV和Keras的人脸识别案例　196
（一）实验目的　197
（二）实验内容　197
（三）实验设备　197
（四）实验原理　197
（五）实验步骤　209
（六）实验要求　217
（七）实验习题　217
第13章　基于Yolov3_tinyAI小车的目标检测案例　218
（一）实验目的　219
（二）实验内容　219
（三）实验设备　219
（四）实验原理　219
（五）实验步骤　224
（六）实验要求　225
（七）实验习题　226
第14章　AI智能小车的斑马线识别案例　227
（一）实验目的　228
（二）实验内容　228
（三）实验设备　228
（四）实验原理　228
（五）实验步骤　232
（六）实验要求　237
（七）实验习题　237
参考文献　238