【AI白身境】深度学习从弃用windows开始

Windows下深度学习环境 做深度学习的话,主流的操作系统都是可以的,Windows、Ubuntu 和 macOS 都可以。这里介绍Windows下面的过程。安装方法首推官方网站文档,这个是最权威最新的。各种博客记录的方法都是各个博主在当时的配置下可行的,试验过的。但是软件版本更新太快了,很多旧版本可行的方法,新版本已经不适用了。 阅读详情

文章首发于微信公众号《与有三学AI》

【AI白身境】深度学习从弃用windows开始

今天是新专栏《AI白身境》的第一篇,所谓白身,就是什么都不会,还没有进入角色。

给大家准备了10期左右的文章来完成这个身份的转变,今天是第一篇,关于开发环境的选择(另外,接受粉丝们的意见,暂时以三天一篇的频率更新)。

要想正式进入AI行业发展,离不开称手的软硬件兵器,其中操作系统就是“软”兵器,本文给大家的建议是彻底放弃Windows,只用Linux与Mac。

作者 | 言有三,微信Longlongtogo

编辑 | 言有三

 

01 windows写代码不如linux

很多人会说,Windows不适合写代码?各种各样类似于visual studio的IDE那么牛逼,还不适合写代码?

莫急,且听我说几个理由。

当今大部分程序员,开始一个任务时的流程是什么?我想应该是这样的!

我们看看上面这些操作都要干什么。

1.1 github找代码

最常用的操作包括git clone,git push,git pull等,这些在命令行下操作是最简洁优雅的,如果你说每次从github上面下载代码采用的是download模式,如下:

那么少年,下次我们说github的时候好好看看,这样做有多么外行。一句话,windows不合适。

1.2 配置所需环境

几乎没有一个开源项目是能够下下来直接就能用的,尤其是你的电脑还处于初段水平的时候,配置环境是新手们的大敌。

 

在windows中要装一个新的软件包真的好麻烦(要自己找软件,看版本,下载安装,配置环境变量),版本控制和更新更麻烦(就是把前面的操作重来一遍嘛),给python装各种依赖库好麻烦(想都不敢想),反正就是很麻烦,巨麻烦,超级麻烦。而Linux,通常就是一条命令。

1.3 开发,迭代

这个周期就长了,解决bug,编译运行等等。看起来,visual studio之类的IDE好像很方便,但是这一切都建立在你还不认识VIM之类编辑器的强大的前提下。

随随便便说几个功能,比如列编辑模式,比如复杂的字符替换。

写起代码来真的是会舒服很多,高效很多。

1.4 模型部署

开发的最后一步就是环境部署,代码经常需要跨平台迁移的,能想象一个依赖于Windows下面IDE的项目能够毫无隐患,顺利地迁移到嵌入式平台吗?

你很可能不自觉写了一些依赖于Windows窗体之类的代码(比如有人喜欢用C#,MFC),目录可能也是不上心胡乱配置的,更别说各种日志,到时候就等着重写代码吧。

 

02 windows没有Linux干净

Windows本就是一个桌面级的应用系统,不是开发环境。Windows是给普罗大众用户用的,不是给程序员用的。是开发好了软件给你用的,而不是开发软件的。

2.1 诱惑太多,没有仪式感

将这个放在第一条貌似有点喧宾夺主,但实际上我觉得是最重要的。

在Windows下面搞开发,写着写着就不知道干什么去了,反正不写代码也不会死。

在windows下面搞开发就没有仪式感好吗!居然还用鼠标,说出去逼格都降低了。

总之,Windows下开发效率很低,处于鄙视链底层。

2.2 多用户 

Linux实现了用户之间完全的隔离,在同一台机器上,每个人可以有自己独立的目录,如/home/zhangsan,/home/lisi,除非有root权限,否则一个用户是看不到别人目录的东西的。

除了公共的软件库和硬件资源,大家在同一台机器上既可以相互协作,又互不干扰,这是Windows办不到的。

它带来的好处很明显,有几个突出的;

(1) 可以各自配置独立的环境,你喜欢python2,我喜欢python3,互不侵犯,尊重个性嘛。

这一点非常重要,而一些小团队仍然不重视这个问题。还可以通过配置不同的权限,让小白们权限低一点,老司机们权限高一点,避免出现小白手贱滥用apt-get之类的命令随意更改系统软件库,造成系统崩溃的情况。

(2) 合理利用资源,比如小实验室买了一块24G显存的卡,买不起第2块了,总不能放在Windows下面分时用吧。

2.3 高效率 

Linux没有复杂的桌面渲染,能更专注地将服务器的硬件优势表现出来,有各种各样的命令来进行检测。

对于从事计算密集型的深度学习算法工程师来说,GPU就是命,硬盘都是钱呐。8G显存,恨不能用到7.99G。

 

03 windows没有linux靠谱

这要从两方面来说。

第一是安全,linux系统是开源系统,人多力量大,bug往往都被及时发现了。平时很少听到Linux中毒的,Windows在早些年动不动就中毒了。

第二是稳定,Windows和Mac,死个机什么的就是毛毛雨,家常便饭习以为常。但是Linux突然死机是很罕见很罕见的,我见过最多的就是小白手贱把系统搞死了,类似于rm -rf /这种。

哪有人这么傻直接运行rm -rf /,当时是手指在高速运行敲代码,删除其他东西的时候,不小心带上了,然后就......

以上理由,已经足够让你放弃Windows了,更多Linux的好处,用着用着,就会知道了。

 

总结

长痛不如短痛,如果有做开发者的觉悟了,就尽快换上Linux吧。

下期预告:下一期我们会讲Linux的常用基础,如果你有建议,欢迎留言,我们会及时采纳的。

转载文章请后台联系

侵权必究

AI白身境系列完整阅读:

第一期:【AI白身境】深度学习从弃用windows开始

第二期:【AI白身境】Linux干活三板斧,shell、vim和git

第三期:【AI白身境】学AI必备的python基础

第四期:【AI白身境】深度学习必备图像基础

第五期:【AI白身境】搞计算机视觉必备的OpenCV入门基础

第六期:【AI白身境】只会用Python?g++,CMake和Makefile了解一下

第七期:【AI白身境】学深度学习你不得不知的爬虫基础

第八期: 【AI白身境】深度学习中的数据可视化

第九期:【AI白身境】入行AI需要什么数学基础:左手矩阵论,右手微积分

第十期:【AI白身境】一文览尽计算机视觉研究方向

第十一期:【AI白身境】AI+,都加在哪些应用领域了

第十二期:【AI白身境】究竟谁是paper之王,全球前10的计算机科学家

AI初识境系列完整阅读

第一期:【AI初识境】从3次人工智能潮起潮落说起

第二期:【AI初识境】从头理解神经网络-内行与外行的分水岭

第三期:【AI初识境】近20年深度学习在图像领域的重要进展节点

第四期:【AI初识境】激活函数:从人工设计到自动搜索

第五期:【AI初识境】什么是深度学习成功的开始?参数初始化

第六期:【AI初识境】深度学习模型中的Normalization,你懂了多少?

第七期:【AI初识境】为了围剿SGD大家这些年想过的那十几招

第八期:【AI初识境】被Hinton,DeepMind和斯坦福嫌弃的池化,到底是什么?

第九期:【AI初识境】如何增加深度学习模型的泛化能力

第十期:【AI初识境】深度学习模型评估,从图像分类到生成模型

第十一期:【AI初识境】深度学习中常用的损失函数有哪些?

第十二期:【AI初识境】给深度学习新手开始项目时的10条建议

感谢各位看官的耐心阅读,不足之处希望多多指教。后续内容将会不定期奉上,欢迎大家关注有三公众号 有三AI!

 

深度学习迈向弃用Windows 总结而言,虽然在过去的一段时间里Windows系统在深度学习领域的应用相对较少,但随着深度学习的迅猛发展和对计算资源的需求增加,研究人员和开发者逐渐倾向于使用Linux系统作为首选平台。相比之下,Windows系统对计算资源的管理相对较为简单,缺乏一些高级的功能和工具,这在一定程度上限制了深度学习的发展和应用。然而,随着深度学习模型和数据集的不断增大,以及对计算资源的需求日益增长,研究人员和开发者开始转向使用Linux系统作为深度学习的首选平台,而逐渐弃用Windows操作系统。 阅读详情

相关推荐

对西安交大轴承数据集XJTU-SY_Bearing_Datasets进行读取和处理:

故障诊断,对西安交大轴承数据集XJTU-SY_Bearing_Datasets进行读取和处理

qq_44757503的博客 6067

深度学习在windows和linux,【AI白身境】深度学习从弃用windows开始

原标题:【AI白身境】深度学习从弃用windows开始今天是专栏《AI白身境》的第一篇,所谓白身,就是什么都不会,还没有进入角色。给大家准备了10期左右的文章来完成这个身份的转变,今天是第一篇,关于开发环境的选择(另外,接受粉丝们的意见,暂时以三天一篇的频率更新)。要想正式进入AI行业发展,离不开称手的软硬件兵器,其中操作系统就是“软”兵器,本文给大家的建议是彻底放弃Windows,只用Linux...

weixin_29531757的博客 2221

Plant Simulation新手入门:5步搞定生产线物流仿真(附模型库使用技巧)

本文为Plant Simulation新手提供了从零开始构建生产线物流仿真的五步入门指南。通过理念重塑、流程规划、对象连接、参数设置到数据分析的完整流程,帮助用户快速掌握这一强大仿真工具的核心逻辑。文章特别强调了模型库的高效使用技巧,助力工程师在虚拟环境中精准模拟和优化生产系统,提升规划效率。

efc123456的博客 336

是linux系统适合用于训练模型,还是Windows系统更适合

在训练模型方面,Linux系统和Windows系统都是可以使用的。一般来说,Linux系统更受欢迎,因为它可以提供更多的灵活性和可定制性,这对于训练复杂的机器学习模型来说是很重要的。此外,Linux系统还有许多专为训练机器学习模型而设计的工具,例如TensorFlow和PyTorch,这些工具在Linux系统中可能更容易使用。 但是,这并不意味着Windows系统不适合用于训练机器学习模型。如果你...

weixin_42608299的博客 2420

FPGA新手必看:Create HDL Wrapper和Generating Output Products到底该先用哪个?

本文深入解析了FPGA设计中Create HDL Wrapper与Generating Output Products的正确使用顺序,帮助新手避免常见错误。详细介绍了两者的功能差异、执行顺序的底层逻辑以及工程管理的最佳实践,特别适合使用Vivado进行FPGA开发的初学者。

xk7n92h3p5m的博客 1065

Modbus 通信协议详解

Modbus是由 Modicon(现为施耐德电气公司的一个品牌)在 1979 年发明的,是全球第一个真正用于工业现场的总线协议。ModBus网络是一个工业通信系统,由带智能终端的可编程序控制器和计算机通过公用线路或局部专用线路连接而成。其系统结构既包括硬件、亦包括软件。它可应用于各种数据采集和过程监控。为更好地普及和推动Modbus在基于以太网上的分布式应用,目前施耐德公司已将Modbus协议的所有权移交给 IDA(,分布式自动化接口)组织,并成立了 Modbus-IDA 组织。

Projectsauron 的博客 7万+

学AI需要什么样的电脑配置?(机器学习丨深度学习丨计算机视觉丨自然语言处理)

nvidia-smi:实时监控GPU利用率、显存占用、温度等指标。某项目中通过nvidia-smi发现GPU显存泄漏,优化后显存占用降低30%。htop:查看CPU、内存、磁盘I/O使用情况,定位性能瓶颈。:分析模型各层计算耗时,优化低效算子。

2501_91798322的博客 9144

ESP32-BLE学习1-建立简单的server

start 学习之前,我想尝试使用ESP32的demo建立一个简单的server与手机接进行最基本的数据通信。 这里有BLE的简单讲解BLE资料 因为BLE的连接是具有主从机特性的,就像SPI,USB一些请求只能由主机端发起,连接也需要主机端发起。所以手机要想连上ESP32,就得将ESP32设置为从机模式。 从资料上可以看到,从机端通过Notify通知主机,所以从机就是GATT Server。 在进行ESP32 的demo学习之前,得大体看下ESP32的蓝牙组成,ESP32支持经典蓝牙和低功耗蓝牙4.2,

Spark的博客 1845

为什么本地部署模型推荐在Linux系统而不是Windows系统

在。

weixin_42449201的博客 888

寻迹Arduino智能小车

Arduino巡线寻迹智能小车

Rachael_Wang的博客 1万+

【虚幻引擎UE】UE5 可编辑动态样条线轨迹及AI跟随路径移动(含工程源码)

【虚幻引擎UE】可编辑动态样条线轨迹及AI跟随路径移动

灵境引路人 6227

比目鱼搜索不能用了_【AI白身境】深度学习从弃用windows开始

首发于微信公众号《有三AI》【AI白身境】深度学习从弃用windows开始​mp.weixin.qq.com今天是新专栏《AI白身境》的第一篇,所谓白身,就是什么都不会,还没有进入角色。给大家准备了10期左右的文章来完成这个身份的转变,今天是第一篇,关于开发环境的选择(另外,接受粉丝们的意见,暂时以三天一篇的频率更新)。要想正式进入AI行业发展,离不开称手的软硬件兵器,其中操作系统就是“软”兵器,...

weixin_39952182的博客 366

RT-DETR改进策略【卷积层】| CGblock 内容引导网络 利用不同层次信息,提高多类别分类能力 (含二次创新)

本文记录的是利用中的模块优化的目标检测网络模型。通过局部特征提取器、周围环境提取器、联合特征提取器和全局环境提取器来提取局部特征、周围环境和全局环境信息,充分利用不同层次的信息。本文将其应用到中,并进行二次创新,使网络能够更好的处理多类别目标的分类能力。CGNet: A Light-Weight Context Guided Network for Semantic Segmentation1️⃣ 首先通过局部特征提取器floc(∗)floc(*)floc(∗)和周围环境提取器fsur(∗)f_{sur }

Limiiiing的博客 1351

工业界 windows 比linux 多,「完结」听完这12次分享,你应该完成了AI小白的蜕变...

原标题:「完结」听完这12次分享,你应该完成了AI小白的蜕变专栏《AI白身境》正式完结了,在这一个专题中,我们给大家从Linux的基本知识,讲到了深度学习中必备的数学基础,从基本工具VIM和编译命令,讲到了常用的库OpenCV,从AI在工业界的各个研究方向,应用方向,讲到了AI领域的代表性人物,虽然知识本身的难度不高,但是覆盖范围非常广泛,这一次我们来重新回顾一下。作者 | 言有三编辑 | 言有三...

weixin_39847244的博客 290

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

在本机电脑搭建AI大模型环境的要求和模型选择

软件要求 操作系统:常见的选择有 Windows、Linux 和 macOS。Windows 系统操作相对简单,适合初学者,且软件兼容性较好;Linux 系统稳定性高、开源性强,更便于进行系统级的优化和定制,对开发人员较为友好;macOS 则在苹果设备上提供了良好的用户体验和性能表现,并且其自带的一些开发工具和框架也很实用. 开发环境与工具:需要安装 Python 环境,因为大多数大模型的开发和部署都依赖于 Python。此外,还需根据所选模型和框架安装相应的库和工具,如使用 PyTorch 或 T

alittlehippo的博客 2737

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

【深度学习】深度学习环境配置指南!(Windows、Mac、Ubuntu全讲解)

作者:伍天舟、马曾欧、陈信达入门深度学习,很多人经历了从入门到放弃的心酸历程,且千军万马倒在了入门第一道关卡:环境配置问题。俗话说,环境配不对,学习两行泪。如果你正在面临配置环境的痛苦,不管你是Windows用户、Ubuntu用户还是苹果死忠粉,这篇文章都是为你量身定制的。接下来就依次讲下Windows、Mac和Ubuntu的深度学习环境配置问题。一、Windows系统深度学习环境配置系统:Win...

fengdu78的博客 813

[嵌入式AI从0开始到入土]4_炼丹炉的搭建(基于Ubuntu23.04 Desktop)

ubuntu下gpu下炼丹环境的搭建步骤

工具人呵呵的博客 1901

Linux 与 Windows:谁更适合 CLI 模式 AI 编程工具?

随着AI技术的快速发展,命令行界面(CLI)模式的AI开发工具正在成为开发者的新宠。但对于Windows用户来说,如何获得最佳的使用体验一直是个值得探讨的问题。本文将从操作系统对比、技术实现到最佳实践方案,为使用Windows PC的开发者提供一些建议。

weixin_44592002的博客 1148

Qwen-Image-2512跨平台开发:Windows与Linux环境对比

本文介绍了星图GPU平台如何自动化部署Qwen-Image-2512极速文生图创作室镜像,实现跨平台AI图像生成。该镜像支持在Windows和Linux环境下快速生成高质量图片,适用于电商设计、社交媒体内容创作等场景,显著提升视觉内容生产效率。

weixin_42609225的博客 340

机器学习需要linux环境吗,在linux上安装机器学习开发环境

2017-05-15下载AnocondaAnaconda 是一个用于科学计算的 Python 发行版,支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。Anaconda 具有比pip包管理更强大的能力,不仅管理python 包的依赖,也同时管理其他非python的依赖,所以有逐渐取代pip的趋势. 同时, Anaconda还有virtual e...

weixin_29127653的博客 742

Win10使用Linux子系统(WSL2)进行深度学习训练

1.使用场景 希望拥有Linux系统开发深度学习程序的便捷性,和Windows系统日常工作的高效性。 为什么不用虚拟机: 虚拟机(如VMware等)安装的Linux系统无法使用Windows系统中的显卡进行深度学习程序加速。 2.步骤概况 开启windows体验计划,并更新系统至较高预览版本。 安装英伟达对wsl2的显卡驱动(NVIDIA Drivers for CUDA on WSL)。 安装wsl2。 从windows商店安装Ubuntu系统。 安装CUDA Toolkit 。 Or

Dteam_f的博客 1万+

pytorch用win还是Linux,如何在Windows系统安装使用机器学习库PyTorch

开篇提示,玩机器学习,一定不能用配置一般的电脑,否则后果自负。现在入正题。其实不管是在Windows系统还是Ubuntu这样的Linux系统,要安装基于Python编程语言的机器学习库(像PyTorch这样的机器学习库)或软件工具,一般建议都是需要在pip3的格式下安装的。官方就这么建议和要求的。之前的文章里,我们已经学习了如何安装pip3这样的工具。Windows和Ubuntu这样的Linux系...

weixin_42504619的博客 3021

Windows or Linux,这是个问题!

尽管 Windows 和 Linux 目前存在核心差异。但是操作系统的选择很大程度上取决于非技术原因。然而,不同操作系统的关键技术差异,为用户提供了截然不同的体验。多年来,无数的文章都指出我们正在进入 Linux 桌面的传奇年,那些转向Linux的人出于特定原因的动机,正在无形中从 Windows 迁移出去。所以在2018年,了解 Windows 和 Linux 之间的核心差异至关重要。Linux...

linuxprobe2017的博客 572

深度学习(一)——windows深度学习环境安装(pytorch)

windows深度学习环境安装(pytorch) miniconda,CUDA,juputer notebook

m0_46511220的博客 639
上一篇: 【杂谈】白身,初识,不惑,有识,不可知,你处于深度学习工程师哪一重境界了...
下一篇: 【AI白身境】Linux干活三板斧,shell、vim和git
言有三
言有三 领域专家: 人工智能技术领域 领域专家: 人工智能技术领域
博客等级 码龄15年 3635粉丝 976原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

言有三

三人行必有AI

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值