第一步：准备你的电脑

你需要一台能上网的电脑（Windows、macOS 或 Linux 都行），以及大约 2GB 的硬盘空间。别担心，不需要显卡也能跑起来。

• Python：一种简单易学的编程语言，AI 领域最常用的工具。去 python.org 下载最新版（建议 3.10 或以上），安装时记得勾选“Add Python to PATH”。
• 编辑器：推荐 VS Code（免费），写代码和运行都很方便。下载后安装 Python 扩展。

第二步：创建虚拟环境

虚拟环境就像是一个独立的“小房间”，避免不同项目之间互相干扰。

1. 打开终端（Windows 用命令提示符或 PowerShell，Mac/Linux 用终端）。
2. 输入 python --version 确认 Python 已安装。
3. 创建一个新文件夹：mkdir my-ai-project 然后 cd my-ai-project。
4. 创建虚拟环境：python -m venv venv。
5. 激活它：Windows 用 venv\Scripts\activate，Mac/Linux 用 source venv/bin/activate。你会看到命令行前面出现 (venv)。

第三步：安装 AI 库

我们安装两个最常用的库：TensorFlow（Google 开发的 AI 框架）和 Keras（让 TensorFlow 更容易使用的接口）。

• 确保虚拟环境已激活，然后输入：pip install tensorflow keras。
• 等待安装完成（可能需要几分钟）。

第四步：跑通第一个模型

我们用几行代码识别手写数字（经典的 MNIST 数据集）。

1. 在项目文件夹中新建一个文件，命名为 hello_ai.py。
2. 粘贴以下代码：

   import tensorflow as tf
   from tensorflow import keras
   
   # 加载数据
   mnist = keras.datasets.mnist
   (x_train, y_train), (x_test, y_test) = mnist.load_data()
   
   # 构建简单模型
   model = keras.Sequential([
       keras.layers.Flatten(input_shape=(28, 28)),
       keras.layers.Dense(128, activation='relu'),
       keras.layers.Dense(10, activation='softmax')
   ])
   
   model.compile(optimizer='adam',
                 loss='sparse_categorical_crossentropy',
                 metrics=['accuracy'])
   
   # 训练
   model.fit(x_train, y_train, epochs=5)
   
   # 评估
   test_loss, test_acc = model.evaluate(x_test, y_test)
   print('测试准确率:', test_acc)

3. 在终端运行：python hello_ai.py。你会看到训练进度条，最后输出准确率（大约 0.97 左右）。

下一步可以做什么

• 尝试修改 epochs 数值（训练轮数），看看准确率变化。
• 用 OpenCV 读取自己的图片，让模型识别。
• 学习 PyTorch，另一个流行的 AI 框架。