深度学习：pycharm的准备工作

目录

前言

一、dir()函数

二、pycharm的编译环境

1.python文件

2.python console执行

3.python jupyter执行

总结

---

---

前言

        最近开始入水人工智能深度学习这方面了，浅浅记录一下学习的过程，本节主要记录的是pytorch的查询函数dir和帮助函数help函数的应用，以及pycharm的三种编程方式。

一、dir()函数

dir()函数是pytorch中常用的查询工具，它可以查找到我们想要使用的函数，下面我们以torch.cuda.is_available()函数为例进行使用方法的介绍

使用方法如下，首先打开pycharm中的python console，这里python coniisole的功能和conda那个命令窗口的功能差不多

之后输入以下指令

import torch      #引入pytorch库
dir(torch)        #查询库中的函数

 之后就会打开torch里的命令表，如下图

可以发现函数库还挺多的呢，那么如何找到我们需要的呢？

按下ctrl+f按键进行搜索cuda，就能找到与cuda相关的库

但是我们还是没有找到is_available()函数，这是因为还没到函数呢，需要打开cuda这个库进行进一步查看，打开方法和打开torch相同

dir(torch.cuda)

 

接下来就该找我们的主角了，找之前补充一点，如果遇到__XXX__这样的形式，如下图所示，这就说明这就不是一个库了，已经到了最底层“函数”了。

使用搜索功能，定位到torch.cuda.is_available()

这里我们就用dir()函数找到了我们的主角，但是本人是个小白，还不太清楚dir()函数有什么用处，感觉就是查找torch里有没有这个函数，别的也不知道有什么用了，知道的大佬可以解读一下。

我们找到这个函数以后怎么知道这个函数是干什么的呢？

这就需要用到我们的另一个函数了help()，输入以下代码

help(torch.cuda.available)

输出显示如下

 可以看到 torch.cuda.is_available()函数的返回值为一个bool类型，用处是显示CUDA是否存在在此环境中，使用起来还是很方便的。

二、pycharm的编译环境

 首先先创建一个新的工程文件

在工程中创建python文件 

填写文件名即可

1.python文件

直接在文本框内进行代码编写，以打印hello world开始

print("hello world")

 然后进行编译环境的配置

 编译环境就找已经配置好的pytorch环境就好，之后运行即可，结果如下

2.python console执行

相同的代码，但是这是在python console环境下执行的，python console的打开和上边的一样，这里就不在进行介绍了

3.python jupyter执行

在pycharm创建的project中打开命令窗口

进入之前创建的虚拟环境里，输入以下代码

jupyter notebook

 会进入以下界面

创建新的编译环境

 编写代码和运行结果

这里需要注意一下，要是第一次使用jupyter的话可能是没有办法打开的，我们需要装一个新包，在cmd中敲下以下代码

conda install jupyter
conda install nb_conda

 安装以上的package就可以了

---

总结

浅浅分析一下这三种编程方法吧，第一种编程方式一般较大的项目都在使用，比较直观，但是一旦出现错误后，修改完错误以后程序便需要从头开始运行，比较花费时间吧。

第二种的话他是一段一段执行的，你敲一行代码，就可以让他执行一次，遇到错误后可以就上一行进行修改，再次运行也是从那一行开始，不会从头开始，比较省事，但是代码不美观。

第三种和第二种差不多，个人感觉（doge）