动手学深度学习的环境配置
代码环境的配置：
- 需要以下内容：pytorch和anaconda3中的jupter notebook
-
pytorch
- Pytorch是什么？Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。作为经典机器学习库 Torch 的端口，PyTorch 为 Python 语言使用者提供了舒适的写代码选择。
- 为什么选择 Pytorch？（1）.简洁：PyTorch的设计追求最少的封装，尽量避免重复造轮子。不像 TensorFlow 中充斥着session、graph、operation、name_scope、variable、tensor、layer等全新的概念，PyTorch 的设计遵循tensor→variable(autograd)→nn.Module 三个由低到高的抽象层次，分别代表高维数组（张量）、自动求导（变量）和神经网络（层/模块），而且这三个抽象之间联系紧密，可以同时进行修改和操作。 简洁的设计带来的另外一个好处就是代码易于理解。PyTorch的源码只有TensorFlow的十分之一左右，更少的抽象、更直观的设计使得PyTorch的源码十分易于阅读。（2）.速度：PyTorch 的灵活性不以速度为代价，在许多评测中，PyTorch 的速度表现胜过 TensorFlow和Keras 等框架。框架的运行速度和程序员的编码水平有极大关系，但同样的算法，使用PyTorch实现的那个更有可能快过用其他框架实现的。
-
anaconda3
-
Anaconda 是什么？Anaconda 是专门为了方便使用 Python 进行数据科学研究而建立的一组软件包，涵盖了数据科学领域常见的 Python 库，并且自带了专门用来解决软件环境依赖问题的 conda 包管理系统。主要是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。
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。
-
Jupyter Notebook
- Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。——Jupyter Notebook官方介绍。简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示的程序。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。
具体的安装pytorch和anaconda3的过程可以参照b站up主的：1. Pytorch零失败安装使用|Anaconda安装|最新版本torch安装|PyCharm配置torch| 保姆级教程【PyTorch修炼】【AI蜗牛车】_哔哩哔哩_bilibili
总上基本环境就已经安装完成，如果你的电脑没有英伟达的显卡，可以点击cpu，然后进行对应操作。
最后就是我们的编译环器：jupyter notebook安装及使用 #jupyter #python_哔哩哔哩_bilibili
以后分享的笔记均在Jupyter Notebook打开编译。
个人建议：
- 建议选择CUDA = 10.2 或者 11.1 版本的显卡加速驱动。
- .conda可以通过更换国内源下载，下载速度更快。简略方法在安装anaconda的文章最后一段具体换源文章：anaconda python更换清华源 - 云+社区 - 腾讯云 (tencent.com)
- 在下载pytorch如果没有英伟达显卡的话，就无需配置cuda和cudnn直接可以选择下图cpu的运行指令在终端即可。
