深度学习工具

前言

电脑正在炼丹，闲来无事整理一下最近做强化学习用到的工具。常用的库有：Pytorch、Numpy。工具有：miniconda、Pycharm、Jupyter、Tensorboard。

Pytorch

相比于Tensorflow的静态图，Pytorch的动态图真的太香了。近几年，主流深度学习、强化学习的框架大部分都是基于Pytorch库进行实现的。并且组内学长、学姐也都在用Pytorch，所以我也入坑了。
对于新手还是很友好的，比较麻烦的是目前市面上介绍Pytorch的书和视频教程做的比较粗糙，大多数夹杂了许多理论知识进行讲解。对于我这种理论一听就会，编码一写就废的人来说，很不友好。
个人建议的方法：找到自己研究方向的经典工程，去读源码，理清每一步的步骤。源码最好是近几年的，其中方法仍然是常用的。边看边查官方文档，边读边百度，会令你收货颇丰。并且尝试去改读明白的框架，在报错中不断探索，以获得更加深刻的认识。
Pytorch官方文档网址：https://pytorch.org/docs/stable/index.html
懒人链接

Numpy

数据科学常用的库，通常用来处理数据，进行矩阵操作等。Numpy在深度学习中常用来预处理实验数据，并且python原有的list、Numpy数组、Pytorch中的Tensor三者之间的转换也很方便。
Numpy官方文档网址：https://numpy.org/doc/stable/
懒人链接

Miniconda

我用miniconda来配置虚拟环境，不同的工程使用不同的环境。在深度学习日常学习过程中，需要运行基于不同版本库的程序。有的时候是Tensorflow1.8，有的时候是Pytorch1.7，还有Tensorflow2.0等等。我们不可能将所有环境都装在基础环境中，有的时候包之间会产生冲突。就拿基础的Python来说，有的时候就是切换不明白Python3和Python2。
而Miniconda是conda轻量级的版本，提供了基础虚拟环境的功能，可以分隔多个不同的环境，进行不同的配置。并且结合Pycharm进行使用，更加方便。Miniconda的安装请结合自己的系统版本，自行搜索教程，并且启动安装命令也可以轻松百度到，在此不再赘述。

Pycharm

在Java编程时，我们常用的开发平台是Eclipse/Idea，而Pycharm是我个人在Python编程时较喜欢用的开发平台。Pycharm能和Miniconda较好的配合，并且专业版还支持远程链接，远程链接在连接云GPU时可能会用到。专业版的获取，可以凭借学生身份白嫖半年（还是一年来着），还是很香的。
不过在Ubuntu系统下，Pycharm有个硬伤，就是中文输入法不会追随光标，只会出现在Pycharm最外边框框的左下角。我换成搜狗输入法还是无法避免这个问题，不过现在也习惯了。如果你有好的解决方法，可以在评论中写写。

Jupyter

Jupyter是一种交互式的Python编程环境，我一般用Jupyter测试一下没用到过的Pytorch/Numpy方法。有的时候，看文档半天看不明白，但是搞点数据调用一下方法，print出来，一看就看明白了。

Tensorboard

深度学习中用来做可视化的库，本来适合Tensorflow配套的，目前也支持Pytorch。用Tensorboard来看看loss的变化，还是挺好的。

结尾

这些就是我日常炼丹所使用的所有工具了，在此和大家进行一下分享。希望对炼丹小白有一些帮助。上面软件的具体安装教程，请结合自己的操作系统进行百度教程。注意，请找最新版本的软件安装教程。并且对于CSDN博客中教程，要先浏览一遍，不要盲目相信。目前博客鱼龙混杂，很可能被带到坑里去。
筛选技巧：1.博客浏览量较大；2.博客评论中有好评，如：有用，谢谢博主！，并且评论中不能有差评，对于没评论的博客，请慎重；3.排版正常、图片清晰的原创博客，转载的博客需找到原博客进行查看，避免被Ctrl+C/V大侠坑了。
最后，希望大家都能找到顺手的炼丹工具，并且炼丹成功！！！

都看到这了，不点个赞再走吗？