深度学习环境配置

1 基础概念

1.1 说说 Python

Python 其实就是一门编程语言，就是程序的一种规范，一种语法。 Python 是计算机世界中比较（语法）简单的语言。

1.2 库(library)/包(package)

包/库，就是别人分享的工具(模板)。打个有点不恰当的例子：Python是我们的手机，那么包/库就是安装的App。

有了这些工具，我们可以高效地完成一些事情。如果安装包，就是使用pip install 包名（pip有点像手机里的应用商店）。

经常用的一些包：① Numpy；② Pandas；③ Matplotlib；④ Opencv；⑤ Pytorch；⑥ Tensorflow等

1.3 Anaconda

Anaconda是一个开源的Python发行版本，包含了包括Python、Conda、科学计算库(Numpy、SciPy等等)等180多个科学包及其依赖项。因此，安装了Anaconda就不用再单独安装Python。 简单说，Anaconda是一个集成各类Python工具/包/库的集成平台，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。

其次，Anaconda内含Conda，Anaconda就是基于conda的管理工具集合，它包含了conda、某一个版本的Python、一批第三方库等。Conda是一个通用的包管理系统，也就是说Conda适用于各种编程语言(Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN)；

• conda将工具、第三方库、Python版本、conda都当作包，同等对待。
• conda推荐使用命令行来进行操作，Anaconda提供了图形界面。
• 在Anaconda中可以创建新的conda环境，并在新的环境中进行相关自定义配置。

仍然用手机的例子来打比方的话，pip只能用于Python语言的包管理，相当于某一特定品牌手机的应用商店(在其他品牌手机上不能使用)，conda能用于各种语言，相当于通用的应用商店，各种品牌的手机都能使用。

最后，Anaconda还有一个重要的功能——创建虚拟环境。

在开发中常会碰到如下情况：

某一项目要求使用PyThoch 1.10版本，另一个项目要求使用PyTorch 1.4版本。但是我们不能在同一环境下同时安装两个PyTorch版本。

这是，就可以通过Anaconda创建虚拟环境（类似于Windows电脑创建虚拟机，安装Linux系统，或者也类似于手机应用双开？）

1.4 Python是如何运行起来的

其实简单来说，安装Python就是安装不同版本的Python解释器 为什么python需要配置编程环境。

pycharm是Python IDE(集成开发环境)

1.5 显卡、GPU以及相关概念

显卡是个人计算机（Personal Computer）的组成部分之一，启到控制显示器正确显示的作用，基本功能就是将模拟信号转换为电信号。市场主流的显卡大多都是NVIDIA（英伟达）和AMD（超微半导体）这两个公司设生产的，分别被简称为N卡和A卡（N&A就是取自各自公司英文首字母）。

显卡的结构为：电容、显存、显示芯片、风扇、各类接口等。其中显存全称为“显示存储器”，和计算机中的存储器相似，负责存储显示芯片需要处理的各种数据，其容量的大小，性能的高低，直接影响着电脑的显示效果；显示芯片就是深度学习中经常提到的GPU或者VPU（或被称作图形处理器），负责并行计算工作，工作时产生的热量由风扇负责排除；各类接口负责输入输出和桥接。

显卡分为三个种类：集成显卡、独立显卡、核芯显卡。

显卡是一个硬件，可以插到电脑主板上，因此一般情况下，需要装驱动(能够让计算机识别相应的硬件)。

对于深度学习而言使用的显卡都是英伟达的显卡，因为NVIDIA公司创建了一个CUDA平台，开发者可以利用CUDA去操作NVIDIA的显卡。

1.6 小结：上述各个软件关系