【机器学习】PyCharm和Anaconda的优缺点比较【环境配置+使用感受】

目录

环境搭建与管理

使用感受

Pycharm+Anaconda

---

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。