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/