深度学习与图像识别:原理与实践
上QQ阅读APP看书,第一时间看更新

2.2.1 Anaconda

要想使用PyTorch,首先需要安装Python。Python可以在https://www.python.org上下载,当需要某个软件包时可单独进行下载并安装。本书推荐读者使用Anaconda,Anaconda是一个用于科学计算的Python发行版,支持Linux、Mac、Windows系统,能让你在数据科学的工作中轻松安装经常使用的程序包。Anaconda的下载地址:https://www.anaconda.com/distribution/#download-section

在介绍Anaconda之前首先提一下Conda(2.2.2节会详细介绍)。Conda是一个工具,也是一个可执行命令,其核心功能是包的管理与环境管理,它支持多种语言,因此用其来管理Python包也是绰绰有余的。这里注意区分一下conda和pip,pip可以在任何环境中安装Python包,而conda则可以在conda环境中安装任何语言包。因为Anaconda中集合了conda,因此可以直接使用conda进行包和环境的管理。

包管理:不同的包在安装和使用的过程中都会遇到版本匹配和兼容性等问题,在实际工程中经常会使用大量的第三方安装包,若人工手动进行匹配是非常耗时耗力的事情,因此包管理是非常重要的内容。

环境管理:用户可以使用conda来创建虚拟环境,其可以很方便地解决多版本Python并存、切换等问题。

本书在第2~7章的代码运行环境为macOS,下载的Anaconda对应的Python版本为3.7,如图2-1a所示;第8~12章的代码运行环境为Linux,下载的Anaconda对应的Python版本为2.7,如图2-1b所示。下载Anaconda之后,Windows和MacOS用户按照默认提示进行图形化安装即可,Linux用户可用命令行sh Anaconda2-x.x.x-Linux-x86_64.sh进行安装(由于Anaconda一直在更新,因此读者使用的版本号可能与书中的版本不一致,但问题不大)。

图2-1 Anaconda的下载

Mac上安装完Anaconda之后,在应用程序界面里就能看到Anaconda Navigator的图标,点击运行之后就能看到如图2-2所示的界面,然后选Notebook,点击“Launch”按钮,浏览器中会出现如图2-3所示的画面。Windows可以从“开始”菜单中找到Anaconda,然后点击Jupyter Notebook运行。

图2-2 打开Anaconda进入Jupyter

图2-3 Jupyter notebook界面

展开右上角菜单New,选择Python3,即可新建一个编写代码的页面,然后在网页窗口中的“In”区域输入“1+1”,最后按“Shift”+“Enter”键,我们会看到Out区域的显示为2,这说明我们的Anaconda环境部署成功了,如图2-4所示。

图2-4 Anaconda环境测试界面

JupyterNotebook提供的功能之一就是可以使我们多次编辑Cell(代码单元格),在实际开发当中,为了得到最好的效果,我们往往会对测试数据(文本)使用不同的技术进行解析与探索,因此Cell的迭代分析数据功能变得特别有用。

延伸学习:

本节主要介绍了Anaconda的基本概念和使用方法,如果读者需要对Anaconda中的组件JupyterNotebook进行更深入的了解,可以访问官方文档(https://jupyter.readthedocs.io/en/latest/install.html)。