Anaconda和Pytorch安装

 

一、Anaconda是什么

Anaconda支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。官方网址：https://www.anaconda.com/distribution/#macos

总而言之，Anaconda就是一个集成了很多python相关工具的管理包，具体安装步骤可以看这个：详细地址

 

这是其中包含的软件：

1.IPython 是一个 python 的交互式 shell，比默认的python shell 好用得多，支持变量自动补全，自动缩进，支持 bash shell 命令，内置了许多很有用的功能和函数。

需要注意的是，这里安装的python环境与在系统中安装的python环境并不冲突，这是两个独立的shell，你可以安装多个版本的python。

2.Jupyter Notebook的本质是一个 Web 应用程序，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和 markdown。 用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等。

你可能会看到python文件的两种后缀，.py和 .ipynb，前者是python脚本文件，后者则需要用Jupyter Notebook读取。这个程序是搭载在本地服务器上的，如下：

 

 

 3.Spyder是Python的作者为它开发的一个简单的集成开发环境。和其他的Python开发环境相比，它最大的优点就是模仿MATLAB的“工作空间”的功能，可以很方便地观察和修改数组的值。

最后要说的一点是：Anaconda并不是必须的，它包含的所有工具你不一定会需要，它最大的优势是便于安装和管理。

 

二、机器学习为什么用Python

建议机器学习的初学者使用python的主要原因有以下三点：

（1）Python语言简单，使用广泛，代码范例多，便于读者快速学习和掌握；

（2）Python可以让初学者更多的关注在算法本身；

（3）Python语言在科学计算方面的开发效率尤其高，且程序代码可以直接迁移到生产环境，无须重新开发；

人工智能和python是相互成就的、相互选择的，所以现在AI很火，python也很火。当然也可以用其他语言进行机器学习代码实现，例如c++、Java和matlab；

附上人工智能学习路线：https://github.com/fengdu78/Data-Science-Notes

 

三、常用的深度学习框架

 

 目前最流行的只有TensorFlow和PyTorch框架了，前者是静态框架，后者是动态框架。

Tensorflow官网：https://tensorflow.google.cn/lite/

目前我看到的关于这个框架的安装教程都是基于Anaconda的，所以我只介绍一下Pytorch的安装。

很多教程在安装pytorch之前都让你安装Anaconda环境，其实没有必要，直接通过pip安装即可。官网地址：https://pytorch.org/，你可以先下载好文件再用pip本地安装。

也直接复制命令去cmd运行即可。因为官网下载速度太慢，可以通过清华镜像安装torch包，这里我选择的是1.7.1版本

pip install torch==1.7.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

因为镜像源的版本不匹配， torchversion和torchaudio还是按照上面的命令从官网下载即可

pip install  torchvision==0.8.2+cpu torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

　　安装完之后在python运行环境中执行‘import torch’语句，如果没有报错说明安装成功了。

事实上我们可以手动构造这些框架，但是这涉及到了复杂的求导和逻辑安排，如果是调用框架的话就容易很多了。