极光喵的博客

本节主要介绍Jupyter Notebook和VS Code这两大免费编辑平台的使用，暂不介绍PyCharm，因为之后配置的一些功能，如远程连接功能，使用PyCharm是需要收费的。关于VS Code和PyCharm的比较与介绍参考第一章： 专业名称和配置方案介绍，这里不再重复介绍。

Docker是一个开源的应用容器引擎，可以让开发者打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何流行的Linux机器或Windows机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。在深度学习开发环境中使用Docker具有很多优势：一致性：Docker可以确保在不同的计算机上运行相同的软件配置，从而避免了"在我的机器上可以运行"这种常见问题。这对于深度学习研究和开发尤其重要，因为深度学习库和工具经常更新，不同版本之间可能存在兼容性问题。

WSL2（Windows Subsystem for Linux 2）是微软开发的技术，让用户能在Windows系统上运行Linux环境。它使用虚拟化技术，提供更好的性能和兼容性。WSL2支持常见的Linux发行版，可以直接运行原生的Linux应用程序。同时，它与Windows系统集成，并支持与Windows的互操作性。这使得开发人员和系统管理员能够在Windows上享受Linux工具和开发环境的便利。

Anaconda有着强大的包管理和环境管理的功能，使用后可以方便地使用和切换不同版本的Python和PyTorch等科学计算库，本文将介绍其下载安装和使用方法。第二章和第三章内容分别提供Window系统和Linux系统安装Anaconda的方式，读者可根据自己电脑系统选择其一安装即可。

人工智能的学习需要理论知识和编程能力同步开展。理论知识主要指的是高等数学、线性代数、概率论这些基础数学知识，这些是理解模型算法的先决条件。编程能力指的是编程语言、编程框架的运用，是实现算法、验证模型的手段，也是解决生活中实际问题的基础。两者相辅相成，缺一不可。理论精、编程弱，就如纸上谈兵，空有想法而不得验证；编程精而理论弱的人难有创新，现实中常被称为调参侠。本章主要介绍深度学习的环境配置，包括常见的专业名称介绍以及配置方案，是学习编程的第一步。