1、编程语言

Python:“胶水语言”,集成度高,简单实用,受众面广,开发者社区和资源丰富,功能强大,十分适合新手入门与科研工作者使用。但运行速度较慢,多线程机制不完善。
R:为高级统计和数据可视化而构建的语言。在数据分析和可视化方面优于Python,且可作为商业软件Matlab的替代品。
C/C++:常用作高性能算法编写的底层语言,可控制CPU和内存的资源使用。但是利用C/C++语言调试研究ML算法时会较为困难。
Scalar:比Python快得多,将面向对象和函数式编程的优点集成到了一个高级语言中,允许使用企业代码中经常使用的JVM库。但Scalar当前的受众面比较小,开发者社区和资源有限。

2、开发平台

PyCharm

一款使用广泛,功能齐全的Python IDE(Integrated Development Environment,集成开发环境)。用过IntelliJ IDEA(Java语言开发的集成环境)的朋友对它上手将会很快,因为Pycharm和IntelliJ IDEA皆由JetBrains公司开发。

PyCharm官网链接:https://www.jetbrains.com/pycharm/

PyCharm安装与使用教程:https://zhuanlan.zhihu.com/p/346299274

VsCode
Microsoft于2015年发布的一个运行于各种OS(Linux、Mac OS、Windows)之上的跨平台源代码编辑器。支持C++、Python、Java、Go等编程语言,轻量便捷,插件资源丰富,生态系统较为完整。

VsCode官网链接:https://code.visualstudio.com/

VsCode安装与使用教程: https://blog.csdn.net/Passerby_Wang/article/details/122179913

Jupyter Notebook

一个基于网页的交互式式计算环境,支持多种语言的开发,但常用于Python开发。适用于需要频繁修改、实验的场景,比如数据分析、可视化、测试机器学习模型性能等任务,是一款非常适合数据科学家与科研工作者的神器。

Jupyter Notebook官网链接:https://jupyter.org/

Jupyter Notebook的安装教程: https://zhuanlan.zhihu.com/p/242524977

Jupyter Notebook的入门教程: https://zhuanlan.zhihu.com/p/75402607

3、机器学习工具包

numpy:Numeric Python,即基于Python的一个开源数值计算扩展工具。常用于处理大型矩阵的存储与计算,且其性能比Python自带的嵌套列表结构要高效的多(得益于其底层使用C/C++语言编写)。
sklearn:基于Python语言的机器学习工具包,是目前做机器学习研究或项目开发的当之无愧的第一工具。sklearn自带了大量数据集,集成了绝大多数主流的机器学习算法,如SVM、决策树、K-Means、PCA等,并提供了数据集预处理、数据特征选择、模型评估等功能函数接口以供使用者调用。
matplotlib:基于Python的2D绘图库,能让使用者以较轻松的方式对待分析数据进行可视化。可用于绘制各种静态、动态、交互式的图表,通过Matplotlib,用户可以仅用几行代码便可生成柱状图、折线图、饼状图、散点图、热力图、等高线图、功率谱图等图形。
pandas:基于numpy的一种为解决数据分析与处理任务而创建的一种工具,纳入了大量库和一些标准的数据模型,提供了大量能使我们快速便捷地处理数据的函数与方法。在机器学习中常用于分析与处理csv文件格式的数据(表格类型数据)。

4、深度学习框架

pytorch:由Facebook人工智能研究院（FAIR）于2017年推出的基于torch的开源深度学习框架,用于图像识别、语音识别、自然语言处理等应用任务的研究。它是一个基于Python语言的计算包,提供了两个高级功能:1、具有强大的GPU张量计算。2、包含自动求导系统的神经网络。除此之外,Pytorch与Numpy联系紧密,可将Pytorch看作为加入了GPU支持的Numpy。Pytorch因其简洁而又高效的优点,常受到广大开发人员与科研工作者的青睐,是目前最热门的深度学习框架之一。

pytorch官网链接:https://pytorch.org/

pytorch的安装教程: https://blog.csdn.net/JB_JIANGBIN/article/details/115731402

pytorch的入门教程: https://blog.csdn.net/qq_48314528/article/details/121604848

tensorflow:由谷歌人工智能团队Google Brain研发的机器学习与深度学习框架,于2015年11月发行初始版本。是一个集成数据流编程的符号数学系统,广泛应用于各类机器学习与深度学习的算法编写,并拥有多层次的结构,可部署于各类服务器、PC终端与网页,并支持GPU和TPU的高性能数值计算。与Pytorch不同的是,tensorflow支持多种客户端语言下的安装与运行,如C++、JavaScript、Java、Go、Swift等,是pytorch出现之前最热门的深度学习框架之一,也是当前最主流的深度学习框架之一,知名的围棋达人Aplha Go就是基于Tensorflow开发出来的。

tensorflow官网链接:https://www.tensorflow.org/

tensorflow的安装教程: https://www.cnblogs.com/zhjblogs/p/14645057.html

tensorflow的入门教程: http://c.biancheng.net/tensorflow/

mxnet:MXNet是由深度学习专家李沐及其团队推出的一个轻量的深度学习框架,旨在提高效率和灵活性。它允许用户混合使用符号与命令式编程,以最大限度地提高效率和生产力。MXNet的核心是一个动态依赖调度程序,可以动态地自动并行化符号与命令操作,可移植性很强,能扩展到各种GPU与机器。值得一提的是,李沐老师B站《动手深度学习》课程中的各章节代码均提供了MXNet版本(共包含pytorch、tensorflow、mxnet三个版本)。

mxnet官网链接:https://mxnet.incubator.apache.org/versions/1.9.0/

mxnet的安装教程: https://blog.csdn.net/cvpatient/article/details/121212784

mxnet的入门教程: 建议直接上B站观看李沐老师视频

机器学习与深度学习入门环境安装相关推荐

计算机视觉与深度学习基本环境安装
计算机视觉与深度学习基本环境安装 1. Python的安装与使用 1.1 Python简介 1.2 Python下载与安装 1.2.1 Anaconda的下载与安装 1.2.2 Python编译器Py ...
new 动手学深度学习V2环境安装
动手学深度学习V2 环境安装虚拟环境 d2l-zh安装 conda create -n d2l-zh -y python=3.8 pip pip install jupyter d2l torch ...
caffe linux 教程,Caffe 深度学习入门教程 - 安装配置Ubuntu14.04+CUDA7.5+Caffe+cuDNN_Linux教程_Linux公社-Linux系统门户网站...
安装配置Ubuntu14.04+CUDA7.5+Caffe+cuDNN 一.版本 Linux系统:Ubuntu 14.04 (64位) 显卡:Nvidia K20c cuda: cuda_7.5.18 ...
一篇文章解决机器学习，深度学习入门疑惑
前言进入正文前,我们先来看则新闻: 只看图不多说. 由此可见国家对人工智能的重视程序,趁早学习,让我们也贡献一份力量. 这篇文章要说的东西研究生有不少日子,和之前的几个学长以及几个学弟偶尔也聊聊天 ...
机器学习之深度学习入门
个人公众号 yk 坤帝获取更多学习资料,学习建议本文用浅显易懂的语言精准概括了机器学习的相关知识,内容全面,总结到位,剖析了机器学习的what,who,when, where, how,以及why ...
【机器学习】深度学习开发环境搭建
工欲善其事,必先利其器.首先我们需要花费一些时间来搭建开发环境. 1.安装python.python是人工智能开发首选语言. 2.安装virtualenv.virtualenv可以为一个python应 ...
机器学习，深度学习，环境搭建 #博学谷IT学习技术支持#
目录一 Anaconda 1 Anaconda环境搭建 2 Anaconda的使用 3 启动jupyter服务. 4 DateSpell 5 之后都是通过Linux系统启动jupyter服务. ...
深度学习GPU环境安装教程：Ubuntu16.04+1080(Ti)显卡驱动+CUDA+cuDNN（已n次完美安装）
安装显卡驱动当前只装了ubuntu16.04单系统,亲测可用,之前ubuntu16.04+win10双系统下也是这种方法装的,只是需要切换视频线的接口,可参考这篇 1.装好ubuntu16.04 2 ...
深度学习入门-环境搭建
---------------------------------------------------------------------------------------------------- ...

机器学习与深度学习入门环境安装