机器学习“CUDA”、“飞桨AI Studio”、“PyCharm”、 “Python”、“ Anaconda”、“numpy”、“飞桨PaddlePaddle”辨析

机器学习是人工智能的子类，我们知道在学习人工智能的时候，编程语言一般首选python，但很多人所讲的“CUDA”、“飞桨AI Studio”、“PyCharm”、 “Python”、“ Anaconda”、“numpy”、“Matplotlib”等等都是什么，有什么关系，本文进行简单汇总。（这里概念是人工智能、机器学习和深度学习覆盖的技术范畴是逐层递减的。即：人工智能 > 机器学习 > 深度学习。）

• CUDA

先要知道的：

我们知道计算机的计算处理一般依赖于CPU，也就是我们常说的中央处理器，中央处理器（CPU，Central Processing Unit）是一块超大规模的集成电路，是一台计算机的运算核心（Core）和控制核心（ Control Unit）。主要包括运算器（算术逻辑运算单元，ALU，Arithmetic Logic Unit）和高速缓冲存储器（Cache）及实现它们之间联系的数据（Data）、控制及状态的总线（Bus）。它与内部存储器（Memory）和输入/输出（I/O）设备合称为电子计算机三大核心部件。其他的不再赘述，我们只要记住一句话。

CPU遵循的是冯诺依曼架构，其核心就是：存储程序，顺序执行。

所以它在大规模并行计算能力上极受限制，而更擅长于逻辑控制。举个例子，我们编写的代码在编译的时候，计算机首先将硬盘上的data调入内存，以便和cup配合进行运算，在运算的时候，cpu读取指令，读到的是代码编译后的二进制指令，但在处理指令的时候，依然是一条一条的进行处理。但是随着人们对更大规模与更快处理速度的需求的增加，cpu的结构决定了他只能提高读取速度以此来提高运算效率，所以GPU应运而生。

机器学习需要大量重复的工作，要用到GPU并行计算的功能，管理和使用GPU产生CUDA。

显卡：（GPU）主流是NVIDIA的GPU，深度学习本身需要大量计算。GPU的并行计算能力，在过去几年里恰当地满足了深度学习的需求。AMD的GPU基本没有什么支持，可以不用考虑。（图形芯片供应商主要包括AMD(超微半导体)和Nvidia(英伟达)2家。）

CUDA：是NVIDIA推出的只能用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。还有一个叫做cudnn，是针对深度卷积神经网络的加速库。

如果要使用GPU训练模型，则需要安装NVIDIA的cuda和cudnn指令集

官网下载CUDA Toolkit 11.5 Update 1 Downloads | NVIDIA Developerhttps://developer.nvidia.com/cuda-downloads

---

 

 

• PyCharm

Pycharm是一个IDE，但它和其它编程IDE例如visual studio相比，最重要的是没有集成编译器，只有代码编辑，项目管理等功能。使用Pycharm新建项目时首先要指定解释器，可以使用不同的Python解释器。我们安装PyCharm之后，还是需要安装python编译器。而在C语言中，vs、dev c、或者vc++是集成编译开发环境，只需一个软件搞定编程需要。

使用第三方的Python的IDE 相对于Python自带的IDLE而言，功能更加全面，界面更加美观，操作起来更加容易。目前比较流行的有PyCharm、Vscode、Jupyter等，使用最多的还是Pycharm和Spyder，当然使用Vs也是可以运行py代码的。

---

• python

python在网上的解释很多，但对应到机器学习领域的解释相对较少，也可以说相对模糊。

Python是一种跨平台的计算机程序语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，被用于独立的、大型项目的开发。 

Download Python | Python.orgThe official home of the Python Programming Languagehttps://www.python.org/getit/

python解释器下载地址，这里的python指的是解释器，而不是语言。这个概念好比需要结合语境使用python这个词。我们在没有pycharm IDE的时候，根据解释器依然可以运行py代码。比如：

（1）在命令窗口上运行

快捷键 Win+ R —> 输入cmd 到命令窗口—> 命窗口内输入python,我们就可以运行程序了。

（2）脚本方式运行
新建一个a.txt脚本文件，写完脚本之后, 然后把名称后缀命名为.py,到 命令窗口找到相应的文件目录，然后执行代码 python a.py，就可以运行了。

（3）使用Python自带的IDLE编辑器

IDLE是Python原生自带的开发环境，是迷你版的IDE，与以上方式不同的是它带有图形界面，有简单的编辑和调试功能，但是操作起来比较麻烦。使用方式 Win+ R—> 输入IDLE。

---

• Anaconda

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。

• Anaconda包括Python解释器，集成开发环境（IDE）Spyder、Conda、python以及一大堆安装好的工具包比如：numpy、pandas、scipy等。
• Miniconda只包括Conda、Python，是Anaconda的简约版。
• conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。即创建一个项目时可指定用哪个版本的Python解释器，用哪些包。

装上Anaconda，就相当于把

Python和一些如 Numpy、Pandas、Scrip、Matplotlib 等常用的库自动安装好了，使得安装比常规 Python 安装要容易。如果选择安

装Python的话，那么还需要 pip install 一个一个安装各种库。

pip了解下载相关链接以及常用命令（安装时注意环境变量的配置）： 

pip · PyPIThe PyPA recommended tool for installing Python packages.https://pypi.python.org/pypi/pip#downloads 

#安装包
pip install xxx
 
#升级包，可以使用-U 或者 --upgrade
pip install -U xxx
 
#卸载包
pip uninstall xxx
 
#列出已安装的包
pip list

你可能已经安装了 Python，那么为什么还需要 Anaconda？有以下3个原因：

1）Anaconda 附带了一大批常用数据科学包，它附带了 conda、Python 和 150 多个科学包及其依赖项。因此你可以立即开始处理数据。

2）管理包

Anaconda 是在 conda（一个包管理器和环境管理器）上发展出来的。

在数据分析中，你会用到很多第三方的包，而conda（包管理器）可以很好的帮助你在计算机上安装和管理这些包，包括安装、卸载和更新包。

3）管理环境

为什么需要管理环境呢？

比如你在A项目中用了 Python 2，而新的项目B老大要求使用Python 3，而同时安装两个Python版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。

还有很多项目使用的包版本不同，比如不同的pandas版本，不可能同时安装两个 Numpy 版本，你要做的应该是，为每个 Numpy 版本创建一个环境，然后项目的对应环境中工作。这时候conda就可以帮你做到。

---

•  numpy

numpy，scrip，matplotlib等库，包含在Anaconda中，也可以通过pip添加，我做了一下，截图如下：

上面的例子是按照numpy库。发现pip需要升级，下面进行了升级。比较繁琐。

 

        

---

 

• 飞桨AI Studio

飞桨AI Studio是面向AI学习者的人工智能学习与实训社区，社区集成了丰富的免费AI课程，深度学习样例项目，各领域经典数据集，云端超强GPU算力及存储资源.集开放数据、开源算法、免费算力三位一体,为开发者提供高效学习和开发环境、高价值高奖金竞赛项目,支撑高校老师轻松实现AI教学,并助力开发者学习交流,加速落地AI业务场景。

• 飞桨PaddlePaddle

飞桨(PaddlePaddle)是集深度学习核心框架、工具组件和服务平台为一体的技术先进、功能完备的开源深度学习平台，已被中国企业广泛使用，深度契合企业应用需求，拥有活跃的开发者社区生态。

 以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体，是中国首个自主研发、功能完备、开源开放的产业级深度学习平台。

这两个项目均为百度为开发者提供的深度学习的具体落地实践的支持。

---

二.开发常见搭配

只学习python语言的初学者可以先下载好特定版本的Python解释器后，然后再搭配界面程序Pycharm来进行简单的语法学习和项目调试，因为不需要考虑不同项目需要不同python工具包的版本问题。即：Python解释器 + Pycharm。

而要进行项目开发的人员，时常有多个项目同时开发，并且不同的项目需要不同版本的工具包，这时使用Anaconda可以帮助我们管理更多项目的环境，将每个项目单独放在一个虚拟环境中，并且使这些环境中工具包相互独立，不会产生工具包版本冲突问题，并且可以下载多个版本的工具包，可以安装多个不同版本的Python解释器。Anaconda自带Python解释器，即：Anaconda + Pycharm。

进行专门的机器学习实例测试，安装对GPU进行并行计算的管理器。CUDA。

---

三.总结

Python是我们进行项目开发而使用的一门计算机语言，为了更好的调试代码和运行，使用界面程序Pycharm进行操作，而运行环境和工具包的下载与安装可以由Anaconda进行管理。如果不适用Anaconda，只能pip自己装包。

关于其他的安装，我做下一步的发文。