目录
在刚入门机器学习时,我们经常会纠结使用哪种开发工具,我将我周围的同学分成三类:Pycharm用户,Anaconda用户与Pycharm+Anaconda用户,那么这几种各有什么优缺点呢,我将以我在深度学习这的使用体验为例分别介绍。
环境搭建与管理
深度学习的起步便是环境的搭建与管理,我们首先明确几个概念,下图中的VirtualEnv(虚拟环境),CondaEnv(Conda的环境),以及SystemInterpreter(系统环境)的区别。纯属本人理解,有误请指正。
- 虚拟环境:不想使用系统环境,而新建一个虚拟的环境。我们可以新建多个虚拟环境,每个环境中安装不同的包,从而达到不同项目使用不同环境而不互相冲突的效果。
- CondaEnv:方便Pycharm直接调用Anaconda里创建的环境,这个的使用一会解释。
- System Interpreter:使用系统解释器,就是使用本地的环境,当初安装python的时候用pip装了一些包就会在这里。
在环境配置这一方面,Anaconda拥有一套强大的环境管理系统,在安装深度学习环境时尤其方便,我们可以使用命令行快速创建多个虚拟环境,并且一行命令配置tensorflow、pytorch等环境,conda会自动检测我们GPU的型号并配置相应的cuda/cudnn等,并且在安装Anaconda的同时已自带安装了许多工具包。而Pycharm大部分工具包需要我们手动安装,版本需要自己选择。