当本计算机小白入门深度学习时,常常被专业名词所困扰。在安装过程中总会疑惑什么是环境?什么是库?什么是包?如何正确地下载软件?因此本篇想总结一下安装过程中遇到的专业名词,也是本小白入门第一步。
1. Python解释器
向计算机解释Python的语言工具,只有下载了解释器才能运行Python程序。
Python解释器的名称由Python以及版本号组成,如Python3.7.0、Python 3.9.0
2. 代码编辑器
用来编辑代码的工具,使用代码编辑器前必须下载Python解释器。
-
Python代码编辑器:Jupyter Notebook、Spyder、PyCharm、Visual Studio Code等;
-
C 的代码编辑器: Visual C++、 Dev C++、 Visual Studio Code等;
-
C++的代码编辑器:Visual Studio 2022、Eclipse、Code::Blocks、Dev C++、Visual Studio Code等。
注意:代码编辑器任选其一即可
3. Python模块、包、库
3.1 模块
是一种组织代码的方式,是一个变量、数组、函数和类的集合,是一个.py
文件。
通过import
语句可以在其他Python文件中引入该模块,并使用其中定义的函数、类、变量。(个人理解:可以理解为matlab中的函数文件)
(1)创建模块
这是一个名为"hello.py
"的模块(文件),其中hello
就是该模块的名称。
def func():
print("hello world!")
(2)引用模块
import hello # 导入整个模块
hello.func() #调用从hello模块导入的func函数
#输出:hello world!
3.2 包(Package)
是一种组织模块的方式,它可以包含多个模块和子包,使得代码的组织管理更加方便。包含一个特殊的__init__.py
文件,用于标识该目录为一个包。
(1)创建包
假设我们要创建一个名为 mypackage
的包,其中包含两个模块 module1.py
和 module2.py
。我们可以这样组织:
mypackage/
__init__.py #可以是空文件,或者用来初始化包或设置默认导入。
module1.py
module2.py #module1和module2是具体的 Python 模块。
mypackage/module1.py
:
def func1():
print("This is function 1 in module1")
mypackage/module2.py
:
def func2():
print("This is function 2 in module2")
(2)导入包中的模块
直接导入特定的函数:
from mypackage.module1 import func1
func1() # 输出: This is function 1 in module1
导入整个模块:
import mypackage.module1
mypackage.module1.func1() # 输出: This is function 1 in module1
使用别名导入:
import mypackage.module1 as m1
m1.func1() # 输出: This is function 1 in module1
3.3 库(library)
是几个包的集合,具有某些功能的模块和包都可以被称为库。这些功能通常封装成模块、类和函数等形式,以便开发者能够轻松地复用它们来构建更复杂的应用程序。
可以通过import
语句导入并使用其功能
3.3.1 Python标准库
Python自带了一个庞大的标准库,它包括了各种模块,这些模块提供了一系列的内置功能。
os
:用于与操作系统进行交互。sys
:访问与Python解释器紧密相关的变量和函数。datetime
:用于日期和时间的操作。math
:数学运算相关的函数。re
:正则表达式支持。json
:JSON数据编码和解码。http.client
和urllib
:HTTP请求相关操作,以及其他许多有用的模块。
这些库是随着Python安装自动提供的,不需要额外安装就可以直接使用。
3.3.2 第三方库
除了标准库之外,还有许多由社区贡献的第三方库,这些库可以极大地扩展Python的能力。一些知名的第三方库包括:
NumPy
:支持大型多维数组和矩阵,并提供了大量高级数学函数。Pandas
:提供了高性能的数据结构和数据分析工具。Matplotlib
:一个强大的2D绘图库,可以生成图表。Scikit-learn
:简单高效的数据挖掘和数据分析工具。Flask/Django
:Web开发框架。TensorFlow/PyTorch
:深度学习框架。Requests
:用于发送HTTP请求的库,简化了web服务的交互。
4. Python环境
是用于运行Python的上下文。
开发环境是指你在编写、测试和调试代码时所使用的整个软件设置。这包括操作系统、文本编辑器或集成开发环境(IDE)、Python解释器以及任何相关的库或工具。(操作系统包括:Windows,MacOS,Linux等)
推荐功能强大的开发环境:Anaconda。其内含Python解释器、代码编辑器以及很多第三方库。
4.1 全局环境
每个操作系统都有一个默认安装的Python环境,叫做全局Python环境。不同的操作系统、不同的版本预装的Python版本可能不同。
不建议使用全局Python环境进行开发。 因为:Python 的兼容性不太好,而不同项目依赖的 Python 解释器的版本可能不同,如果直接使用全局 Python 环境开发,极有可能出现环境混乱,不同项目间依赖相互干扰,甚至破坏其他系统软件的依赖,导致系统软件无法运行。
4.2 虚拟环境
为了解决全局环境的问题,开发者会为项目创建虚拟环境。
虚拟环境的特点以及作用:
(1)可以创建任意多个库;
(2)可以指定Python版本;
(3)该环境是项目粒度的,是项目中的子文件夹,与全局环境以及其他环境相互隔离。(个人理解:虚拟环境只服务于特定的项目)
4.3 conda环境
指使用conda包管理的Python环境。(Conda 是一款功能强大的命令行工具,用于包和环境管理,可在 Windows、macOS 和 Linux 上运行。)
conda环境的特点以及作用:
(1)可以很好地创建具有相互关联的依赖项以及二进制包的环境;
(2)该环境是全局粒度的,因此可以安装多个conda环境,然后为不同的项目选择不同的conda环境。
base环境:是当安装Anaconda或Miniconda时自动创建的第一个Conda环境。它是默认的活动环境,直到你创建并激活了另一个环境。Base环境通常包含了Anaconda或Miniconda分发版附带的一系列预装软件包。