2021-09-22

陈冇某

于 2022-09-25 09:29:26 发布

阅读量169

点赞数

文章标签： python 开发语言

本文链接：https://blog.csdn.net/weixin_51491521/article/details/120425319

版权

操作系统：linux和windows都属于操作系统。我使用的系统是Ubuntu16.04版本，它是linux家族中使用较多的一种。我这里安装的是双系统，当然你也可以使用虚拟机。关于为什么选择linux系统可以参考这篇文章。双系统和虚拟机的对比可以参考这篇文章。关于双系统的安装有很多教程可以参考，这里不做过多介绍。
python解释器：python解释器是将python的源码高级语言解析为二进制机器语言的工具，更通俗的讲，它就像是翻译机器。通常说的安装python也就是安装python解释器，如果想运行python代码，就必须安装python解释器。ubuntu16.04自带的版本为python2.7.12和python3.5.2。可以通过在终端中输入python进入python2环境中，通过python3进入python3的环境中，在python环境中可以直接运行python代码，通过ctrl+d退出python环境。
pycharm：就像是编辑文档需要用Ｗord，编辑代码也要有专门的编辑器。类似于C++常用的有VS，python也有IDLE、pycharm、jupyter notebook等，这些都被称为IDE（集成开发环境），除了编辑功能外，还集成了很多软件开发过程中需要的工具。
anaconda：Anaconda不是语言，它只是python的一个集成管理工具，它把python做相关数据计算与分析所需要的包都集成在了一起，我们只需要安装Anaconda软件就行了，其它什么都不用装，包括python软件。Anaconda则是一个打包的集合，里面包含了720多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。另外，安装它后就默认安装了python、IPython、Jupyter notebook和集成开发环境 Spyder等等。总之一句话，安装anaconda让我们省去了大量下载模块包的时间，更加方便。
pytorch：像pytorch、tensorflow、caffe都属于深度学习框架，一套深度学习框架就像是一个品牌的一套积木，各个组件就是某个模型或算法的一部分，你可以自己设计如何使用积木去堆砌符合你数据集的积木。好处是你不必重复造轮子，模型也就是积木，是给你的，你可以直接组装，但不同的组装方式，也就是不同的数据集则取决于你。pytorch的受欢迎程度正在逐渐上升。
GPU：像目前的一些pytorch、tensorflow都只支持nvidia的显卡（主要是显卡中的GPU起作用），有没有显卡对于pytorch能不能学习并没有影响，显卡主要起到一个训练加速的作用。GPU相对于CPU的速度取决于执行的计算类型，最适合GPU的计算类型是可以并行计算，而神经网络正是高度并行的。
显卡驱动：显卡驱动就是用来驱动显卡的程序，它是硬件所对应的软件。驱动程序即添加到操作系统中的一小块代码，其中包含有关硬件设备的信息。有了此信息，计算机就可以与设备进行通信。驱动程序是硬件厂商根据操作系统编写的配置文件，可以说没有驱动程序，计算机中的硬件就无法工作。
cuda和cudnn：Nvidia是一家设计GPU的技术公司，他们把cuda作为一个软件平台，与他们的GPU硬件配对，让开发者更容易构建软件，利用Nvidia GPU的并行处理能力加速计算。Nvidia的GPU需要使用cuda，而cuda可以从Nvidia的网站上免费下载和安装。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。安装的cuda版本要注意与本机的显卡驱动适配。