人工智能(AI
)-环境搭建
目录导航
- 人工智能(`AI`)-环境搭建
- 1. 为什么人工智能(`AI`)首选Python?
- 2. python在AI上的优势
- 2.1 python在AI上的优势
- 2.1.1 语法简单,编码少。
- 2.1.2 内置了几乎所有的AI项目库
- 2.1.3 开源和可用于广泛编程
- 2.2 python的特点
- 3. `PyTorch`环境配置及安装
- 3.1 安装、使用环境
- 3.1.1 `Windows`环境下
- 3.1.2 `Anaconda`下载安装
- 3.1.3 直接安装 Pytorch
- 4. 相关文档
1. 为什么人工智能(AI
)首选Python?
为何人工智能(AI)首选Python?读完这篇文章你就知道了。我们看谷歌的TensorFlow基本上所有的代码都是C++和Python,其他语言一般只有几千行 。
如果讲运行速度的部分,用C++,如果讲开发效率,用Python,谁会用Java这种高不成低不就的语言搞人工智能呢?Python虽然是脚本语言,但是因为容易学,迅速成为科学家的工具(MATLAB也能搞科学计算,但是软件要钱,且很贵),从而积累了大量的工具库、架构,人工智能涉及大量的数据计算,用Python是很自然的,简单高效。
Python有非常多优秀的深度学习库可用,现在大部分深度学习框架都支持Python,不用Python用谁?人生苦短,就用Python。
python现在的确已经很火了,这已是一个不需要争论的问题。如果说三年前,Matlab、Scala、R、Java 和 还各有机会,局面尚且不清楚,那么三年之后,趋势已经非常明确了,特别是前两天 Facebook 开源了 PyTorch 之后,Python 作为 AI 时代头牌语言的位置基本确立,未来的悬念仅仅是谁能坐稳第二把交椅。
不过市场上还有一些杂音。最近一个有意学习数据科学的朋友跟我说,她的一个朋友建议她从 Java 入手,因为 Hadoop 等大数据基础设施是用 Java 写的。
在这里我要明确表个态,对于希望加入到 AI 和大数据行业的开发人员来说,把鸡蛋放在 Python 这个篮子里不但是安全的,而且是必须的。或者换个方式说,如果你将来想在这个行业混,什么都不用想,先闭着眼睛把 Python 学会了。当然,Python不是没有它的问题和短处,你可以也应该有另外一种甚至几种语言与 Python 形成搭配,但是Python 将坐稳数据分析和 AI 第一语言的位置,这一点毫无疑问。
我甚至认为,由于 Python 坐稳了这个位置,由于这个行业未来需要大批的从业者,更由于Python正在迅速成为全球大中小学编程入门课程的首选教学语言,这种开源动态脚本语言非常有机会在不久的将来成为第一种真正意义上的编程世界语。
短短几年时间,图片自动归类、人脸识别已经成为非常通用的功能,自然语言作为一种交互方式正在被各种语音助理广泛运用,无人车驾驶突飞猛进,AlphaGo战胜围棋冠军,仿生机器人的技术迭代,未来几十年的城市交通和人类的生活方式都将会被人工智能所改变。
Python作为人工智能首选编程语言,随着人工智能时代的到来,Python开发效率非常高,Python有非常强大的第三方库,基本上你想通过计算机实现任何功能,Python官方库里都有相应的模块进行支持,直接下载调用后,在基础库的基础上再进行开发,大大降低开发周期,避免重复造轮子,还有python的是可移植性、可扩展性、可嵌入性、少量代码可以做很多事,这就是为何人工智能(AI)首选Python。
2. python在AI上的优势
2.1 python在AI上的优势
近年来人工智能的兴起,使python语言相较于C++,Java等编程语言,获得了极大的普及,其在人工智能上的优势如下:
2.1.1 语法简单,编码少。
和传统的 C/C++、Java、C#等语言相比,Python 对代码格式的要求没有那么严格,这种宽松使得用户在编写代码时比较舒服,不用在细枝末节上花费太多精力。非计算机专业的人员也能轻松学习python程序。
2.1.2 内置了几乎所有的AI项目库
前面说了python是一门很容易入门的编程语言,其主要原因还在于其内置了很多库,这些内置库使我们不需要自己去写底层的很多复杂代码,需要什么库直接就可以调用。同时,它包括了几乎所有类型的AI项目库,如 NumPy,SciPy,matplotlib,nltk,SimpleAI等一些重要的python内置库。
2.1.3 开源和可用于广泛编程
python是一种开源的编程语言,这使它在社区中广泛流行。其可用于广泛的编程任务的特点,如小型shell脚本到企业Web应用程序,也是python适用于AI项目的另一个原因。
2.2 python的特点
Python是一种高级,解释,交互式和面向对象的脚本语言。Python的设计具有高可读性。它经常使用英语关键词,而其他语言使用标点符号,并且它的语法结构比其他语言少。Python的功能包括以下内容:
-
易于学习 - 学习曲线低,跟其他很多语言相比,Python更容易上手。
-
易于阅读 - Python代码更清晰,更明显。代码规范程度高,可读性强,适合有代码洁癖和强迫症的人群。
-
易于维护 - Python的源代码非常易于维护。
-
广泛的标准库 - Python的大部分库在UNIX,Windows和Macintosh上非常便携且跨平台兼容。
-
交互模式 - Python支持交互模式,允许交互式测试和调试代码片段。
-
便携式 - Python可以在各种硬件平台上运行,并且在所有平台上都具有相同的界面。
-
可扩展 - 我们可以向Python解释器添加低级模块。 这些模块使程序员能够更高效地添加或定制他们的工具。与shell脚本相比,Python为大型程序提供了更好的结构和支持。可以调用C/C++代码,也可以在C/C++中调用Python。
-
数据库 - Python为所有主要商业数据库提供接口。
-
GUI编程 - Python支持GUI应用程序,可以创建和移植到许多系统调用,库和Windows系统,如Windows MFC,Macintosh和Unix的X Window系统。
3. PyTorch
环境配置及安装
3.1 安装、使用环境
3.1.1 Windows
环境下
- CUDA官网使用IDM下载就很快乐;
- Anaconda在官网下载就行,python环境的话,我这里之前安装过了,所以大家可以去自己百度,很简单;
- Pycharm也是直接装,这里就不多作介绍了。
3.1.2 Anaconda
下载安装
-
下载
在机器学习,深度学习中,要用到大量的 package(就是各种工具包)。如果说,函数是一个工具,那么 package 就是一个工具包。一个个安装 package 很麻烦,而且容易出现疏漏。于是,就有了 Anaconda,这是一个集成了常用于科学分析(机器学习,深度学习)的大量package。
也就是说,你只要安装了 Anaconda,就安装了很多我们之后要用的许多packages。 -
安装
1. 点击安装程序,选择路径
2. 选择是否安装VS,安装过的跳过
检验是否安装成功,在开始菜单出,左击 Anaconda Prompt
打开后,左边有 (base),即安装成功。
-
Pytorch环境
当你遇到不同的项目,需要使用到不同版本的环境。比如这个项目要用到 pytorch 0.4,另一个项目要用到 pytorch 1.0,如果你卸载了0.4版本,安装了1.0版本。那么下一次,你再碰到0.4版本,你就需要卸载1.0版本,安装0.4版本。很折腾。
Anaconda 集成的 conda 包就能够解决这个问题。它可以创造出两个屋子,相互隔离。一个屋子放 0.4 版本,一个屋子放 1.0 版本。你需要哪个版本,就进哪个屋子工作。
我们首先使用 conda 指令创建一个屋子,叫做 pytorch。## conda 是指调用 conda 包,create 是创建的意思 ## -n 是指后面的名字是屋子的名字 ## pytorch是屋子的名字(可以更改成自己喜欢的) ## python=3.6 是指创建的屋子,是 python3.6 版本。 conda create -n pytorch python=3.6
接下来,我们要在 pytorch 环境中,安装 PyTorch,使用如下指令,进入 pytorch 环境。
conda activate pytorch
到这里,基本的准备工作我们就弄好了。
3.1.3 直接安装 Pytorch
值得一提的是,PyTorch 在这方面做的真的好,不需要再人工安装 CUDA、cuDNN 之类的,全部都给你解决了。
具体内容,请查看官网内容
4. 相关文档
- 为什么说:人工智能(AI)首选Python? - 知乎 (zhihu.com)
- Anaconda 的下载地址
- Anaconda历史版本链接)
- Pytorch 官网
- 2. 2 环境及工具包介绍-2.3 python 环境搭建_哔哩哔哩_bilibili