深度学习环境搭建之常识（anaconda,cuda,cudnn,python,tensorflow等概念）

原网址 https://www.jianshu.com/p/62f155eb6ac5
1.什么是python？（面向对象语言）
Python是一种面向对象的解释型计算机程序设计语言，其使用，具有跨平台的特点，可以在Linux、macOS以及Windows系统中搭建环境并使用，其编写的代码在不同平台上运行时，几乎不需要做较大的改动，使用者无不受益于它的便捷性。
此外，Python的强大之处在于它的应用领域范围之广，遍及人工智能、科学计算、Web开发、系统运维、大数据及云计算、金融、游戏开发等。实现其强大功能的前提，就是Python具有数量庞大且功能相对完善的标准库和第三方库。通过对库的引用，能够实现对不同领域业务的开发。然而，正是由于库的数量庞大，对于管理这些库以及对库作及时的维护成为既重要但复杂度又高的事情。
2.什么是anaconda？（即各种工具包的管理平台）
Anaconda 就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。
3. 什么是conda？
conda是包及其依赖项和环境的管理工具。
conda包和环境管理器包含于Anaconda的所有版本当中。
用途：
快速安装、运行和升级包及其依赖项。
在计算机中便捷地创建、保存、加载和切换环境。
4.什么是pip？
pip是用于安装和管理软件包的包管理器。（仅适用于Python。）
“Pip installs Packages”（“pip安装包”）
“Pip installs Python”（“pip安装Python”）
5.pip 与 conda 比较
1）依赖项检查
pip：
不一定会展示所需其他依赖包。
安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。
conda：
列出所需其他依赖包。
安装包时自动安装其依赖项。
可以便捷地在包的不同版本中自由切换。
2）环境管理
pip：维护多个环境难度较大。
conda：比较方便地在不同环境之间进行切换，环境管理较为简单。
3）对系统自带Python的影响
pip：在系统自带Python中包的**更新/回退版本/卸载将影响其他程序。
conda：不会影响系统自带Python。
4）适用语言
pip：仅适用于Python。
conda：适用于Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN
6.什么是cuda？
CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
显卡：（GPU）主流是Nvidia的GPU，深度学习本身需要大量计算。GPU的并行计算能力，在过去几年里恰当地满足了深度学习的需求。AMD的GPU基本没有什么支持，可以不用考虑。
显卡驱动：没有显卡驱动，就不能识别GPU硬件，不能调用其计算资源。但是呢，Nvidia在Linux上的驱动安装特别麻烦，尤其对于新手简直就是噩梦。得屏蔽第三方显卡驱动。下面会给出教程。
CUDA：是Nvidia推出的只能用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。
cudnn：是针对深度卷积神经网络的加速库。
7.什么是CUDNN
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。
8.CUDA与CUDNN的关系
CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。
9.Visual Studio Code是什么？
下载，装常用插件，配置编译环境，新建工程（就是文件夹），运行
1）vscode本身只是一个代码编辑器，但由于可以安装插件，以此配置各种编译环境，适合各种代码的编写和调试。
2）一般的IDE编写程序一般都需要创建一个工程，在VSCode中，工程的概念就是文件夹。为了便于管理，创建一个用来存放VSCode工程的文件夹，这个文件夹内，再新建一个所谓的”工程“文件夹，名字自拟。
3）怎么去除VSCode中python代码带波浪线
第一，禁用代码检查插件；第二，在设置中，搜索python.linting.enabled，将√取消即可
4）VS Code中的文件夹(Folder)与工作区(Workspace)，两者的区别？
参考见https://blog.csdn.net/qq_43229056/article/details/109544933
10：PIL是什么？
PIL：Python Imaging Library是Python平台事实上的图像处理标准库，由于PIL仅支持到Python 2.7，加上年久失修，于是一群志愿者在PIL的基础上创建了兼容的版本，名字叫Pillow，支持最新Python 3.x，又加入了许多新特性，因此，我们可以直接安装使用pillow。
然后直接conda install pillow就可以啦！
11：numpy是什么？
NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。
NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。
12：/usr/lib/xorg/Xorg、compiz是什么进程？
Xorg是ubuntu（电脑操作系统bai）默认显du示服务器zhi的一个软件包。
xorg本身是个虚dao包，但在使用或者zhuan安装shuubuntu操作系统时，这个xorg就会被导入一系列的文件或软件，包括xorg.conf、xorg-server、org-twm、xorg-xclock、xorg-xterm等等，这些都是跟显卡驱动、图形环境库相关的一些文件、软件。
compiz是一个基于opengl的混合型窗口管理器。通俗一点理解，就是可以在Linux桌面系统内提供类似于Vista和Mac OS的3D桌面效果。

深度学习环境搭建之常识（anaconda,cuda,cudnn,python,tensorflow等概念）相关推荐

深度学习-deepin深度学习环境搭建（deepin+gpu+cuda+cudnn）
背景之前分别在windows.mac上做深度学习,发现遇到了重重困难.最近正好赶上换机器,顺便也买了gtx1080的显卡,就直接装了deepin的操作系统(大家都反应还不错,自己实际体验也是众望所归 ...
深度学习环境搭建（从卸载CUDA到安装，以及Pytorch与torchvision的安装。你从未见过的全有版本）
深度学习环境搭建(从卸载CUDA到安装,以及Pytorch与torchvision的安装.你从未见过的全有版本) 先来点头疼的:在深度学习的过程中,环境搭建是必须要经过的一个关卡,由于版本对应麻烦,很 ...
深度学习环境搭建（GPU）CUDA安装（完全版）
文章目录 1.查询电脑硬件 2.环境搭建与软件安装 1.安装CUDA运算平台软件 2.安装cuDNN支持包 3.配置环境变量 3.验证CUDA与cuDNN安装前几天在看深度学习.因为对深度学习不是很 ...
最新深度学习环境搭建：win10+Anaconda+PyCharm+python3.7+tensorflow-gpu1.15+keras2.3.1+CUDA10.0+CUDNN7.6.5
一.硬软件信息硬件软件 Intel(R) HD Graphics 520,NVIDIA GeForce 920MX win10,PyCharm,Anaconda,Python3.7.1,tenso ...
【深度学习环境搭建＜二＞】CUDA和 cuDNN 的安装
0x00 前言上一篇中我们介绍了深度学习环境搭建的第一步:NVIDIA驱动的安装.现在车的轮子有了,接下来就要来搭建车的车身了,也就是今天的主角:CUDA 和 cuDNN, 它是我们程序和驱动之间的 ...
Miniconda3+PyTorch1.7.1(GPU版)+Win10_x64+GTX1060深度学习环境搭建
写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友. 硬件信息: 系统:win10家庭中文版 CPU:i7-7700HQ 内存:16GB 显卡:GTX1060 目录一.确定 ...
腾讯云GPU服务器深度学习环境搭建
Author:ZERO-A-ONE Date:2021-2-20 因为本人的电脑没有带有NVIDIA公司的独立显卡,所以需要用到GPU进行大规模运算加速训练的时候,就萌生了购买云服务进行计算的念头 ...
台式机Ubuntu系统安装Tesla系列显卡+深度学习环境搭建
1.前言 Tesla系列的显卡主要是作为计算显卡来使用的,常用在服务器.工作站等设备上,并不适用于普通台式机主板上.与常用的Nvidia显卡系列相比,其内部的电源供电结构.散热功能都是不一样的.因此要 ...
Ubuntu16.04深度学习环境搭建
Ubuntu16.04深度学习环境搭建(anaconda3+cuda10.0+cudnn7.6+pytorch1.2) 文章目录 Ubuntu16.04深度学习环境搭建(anaconda3+cuda1 ...

深度学习环境搭建之常识（anaconda,cuda,cudnn,python,tensorflow等概念）

深度学习环境搭建之常识（anaconda,cuda,cudnn,python,tensorflow等概念）相关推荐

最新文章

热门文章