机器学习常用工具

本文了解下一些机器学习的常用工具。

Anconda

Anaconda 是一个集成各类Python工具的集成平台(例如:conda、Python等软件包,numpy,pandas(数据分析),scipy等科学计算包),它本身不是一个开发工具,它只是将很多第三方的开发环境集成到一起。

Anaconda 的下载文件比较大(约 531 MB),如果只需要某些包,或者需要节省带宽或存储空间,也可以使用Miniconda这个较小的发行版(仅包含conda和 Python)。

官网:https://www.anaconda.com/

Conda

Conda是一个开源的软件包管理系统和环境管理系统,用于安装多个版本的软件包及其依赖关系,并在它们之间轻松切换。

Conda可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与pip的使用类似,环境管理则允许用户方便地安装不同版本的python并可以快速切换。可以把 conda 看作是 pip + virtualenv + PVM (Python Version Manager) + 一些必要的底层库,也就是一个更完整也更大的集成管理工具。

官网:https://docs.conda.io/en/latest/

TensorFlow

谷歌团队开发。
TensorFlow是一个深度学习的开源框架,适用于大规模及数值机器学习,是机器学习和神经网络模型的集合,也是Python的好朋友,它比较大的特点是可以在CPU和GPU上运行。常用于自然语言处理和图像分类。

简单看就是Tensor和Flow,即意味着Tensor和Flow是TensorFlow最为基础的要素;Tensor意味着data,Flow意味着流动,意味着计算,意味着映射,即数据的流动,数据的计算,数据的映射,同时也体现数据是有向的流动、计算和映射.

TensorFlow官方文档:https://www.w3cschool.cn/tensorflow_python/

Pytorch

Facebook团队开发。
和TensorFlow一样,也是一个深度学习的开源框架。各有各的特点。

官网:https://pytorch.org/

pycharm

大家都知道,是python的桌面编辑器。

Jupyter

和pycharm一样,也是一种编辑器,且支持python。不同之处是,Jupyter是基于浏览器的的交互编辑器。

官网:https://jupyter.org/

NumPy

NumPy是Python中科学计算的基础包。它是一个Python库,提供多维数组对象,各种派生对象(如掩码数组和矩阵),以及用于数组快速操作的各种API,有包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数,基本统计运算和随机模拟等等。

官网:https://www.numpy.org.cn/

posted @ 2022-05-22 12:51  PamShao  阅读(602)  评论(0编辑  收藏  举报