工具（任选）

1.云服务器（你需要一个服务器）

详细见我上一篇博文

2.Anaconda和pycharm

上一个介绍了在服务器端跑python代码，当时的原因主要有以下两点：

我认知里面pytorch需要cpu和gpu性能，自己电脑配置不够
怕出了啥故障hhhh，不搞坏自己的电脑
但是呢，这周上课的时候学习了pycharm和anaconda的虚拟环境配置，在本地端也是一样的效果。
简单复盘pycharm和anaconda的联系：
首先需要直接去anaconda官网下载软件，正常安装就可以啦。（教程网上都有）
配置上主要是在这里：
配置python interpreter，调成anaconda里面的python.exe文件
在terminal这里有一个（base）的标志就配置成功了

anaconda有啥好处呢，软件存储也不小，为啥要下呢。主要是anaconda自己有很多包，就不用自己import一个未定义的包，要一个一个pip install 了，这个对于科学计算十分友好滴。
还需要注意，anaconda使用下载安装包指令不是pip 是conda，具体可以上网搜。

但是不知道为啥我的anaconda的jupyter notebook 不能正常运行（正常来讲安装完anaconda会有jurpter的。这个可能下周出解决的话，写一篇blog。
flag++

3.谷歌的colab（需要vpn）

直接vpn一挂，搜colab就可以了。
这个是网页版的，里面配置了谷歌的云服务器，谷歌专门为深度学习等跑模型准备的。
优点就是，性能不错，可以调GPU加速等。（妈妈再也不用担心我的电脑没有gpu啦）
目前我自己来看稍微不太理想的就是要翻墙吧，毕竟是谷歌。
（我后面跑出来的模型就是有一个特别大，用着个速度会稍微快一些）

跑的算法和遇到的问题

首先，明确我们的问题是需要帮助商家找到哪些顾客将要流失。也就是商家希望模型能够输出这些顾客名单，及时沟通处理还有密切关注。
其实，我们对于深度学习的一些不是特别熟悉，于是我们下意识的想法是先在网上搜寻相关资料，于是我们在github和搜索引擎上，找寻到比较贴切的是kaggle的银行顾客流失和电信客户的流失。进行改进和学习。

第一个跑出来的是这个算法：
链接: link.

一直卡在series类当中，后面搜集发现，是convert_object版本问题，解决方案是换一种写法。
链接: link.
第二个，也就是目前我们主要跑出来的是这个模型，基于对六种算法以及四种集成学习。
链接: github链接：.
github上有最后的模型存档和样例图。
这个模型主要有问题有以下几个
- 跑的时间特别慢，我用本地跑要跑10min左右才能跑完，colab稍微快一点
- 样例图挺有专业分析性，我们不太能解读。
- 多种样例融合，对比了精度，但是没有输出最精确的客户名单
- 模型用的算法目前来看挺多，还要学习。

待解决ing

现在我们跑出来第二种算法，在对比代码，正在学习现有的框架（就是反向学习hhh）
可能需要精简出其中一种算法，来进行模拟，以及增加顾客名单的输出。

唠唠嗑——我的python学习

我觉得python和英语特别像，语法规范没有C这么繁琐，我们python老师说：只要你觉得python能够懂你就可以试一试（xs）
学过C和C++。所以我是先从项目开始学习。先从一个有功能性的python功能代码来感受。就是之前课程学习的python在服务器跑udp链接。
你需要做的是：

改一改，看看不同的输出
学会看报错
一提到报错，我之前一看到报错就觉得自己跟判了死刑一样，其实呢，只要不死机，报错就是你的小帮手hhh。python报错十分人性化，有的还提示你怎么改。所以呢，看报错可以有助于读懂代码，顺利跑通。
总之，我认为学习总归要带有兴趣的嘛。所以如果学习一门语言的话，需要继续不断的练习代码，不如找一点感兴趣的，用手里的代码做一点什么，写一个小小的游戏pygame，做一个小小的demo，哪怕开源的，找到乐趣，反复练习也变得很有乐趣。