【机器学习】PyCharm和Anaconda的优缺点比较【环境配置+使用感受】 |
您所在的位置:网站首页 › pycharm使用anaconda环境索引缓慢 › 【机器学习】PyCharm和Anaconda的优缺点比较【环境配置+使用感受】 |
目录 环境搭建与管理 使用感受 Pycharm+Anaconda 在刚入门机器学习时,我们经常会纠结使用哪种开发工具,我将我周围的同学分成三类:Pycharm用户,Anaconda用户与Pycharm+Anaconda用户,那么这几种各有什么优缺点呢,我将以我在深度学习这的使用体验为例分别介绍。 环境搭建与管理深度学习的起步便是环境的搭建与管理,我们首先明确几个概念,下图中的VirtualEnv(虚拟环境),CondaEnv(Conda的环境),以及SystemInterpreter(系统环境)的区别。纯属本人理解,有误请指正。 在环境配置这一方面,Anaconda拥有一套强大的环境管理系统,在安装深度学习环境时尤其方便,我们可以使用命令行快速创建多个虚拟环境,并且一行命令配置tensorflow、pytorch等环境,conda会自动检测我们GPU的型号并配置相应的cuda/cudnn等,并且在安装Anaconda的同时已自带安装了许多工具包。而Pycharm大部分工具包需要我们手动安装,版本需要自己选择。 使用感受PyCharm: 在编程、调试以及项目管理的手感上,PyCharm具有传统JetBrains的强大功能(个人用着是最顺手的),在我使用的过程中没有什么显著缺点。 Anaconda: Anaconda是计算机工程师们为了计算机科学而自己制作的软件,里面自带许多实用工具,我们常用的有Spyder, Jupyter Notebook和JupyterLab。 许多人将Pycharm+Anaconda一起使用,原因就是1)既充分利用conda配置管理环境的便捷,2)又可以在熟悉的Jetbrains工具下进行编程,使用其强大的功能。包括学校的许多服务器上就是如此配置的。 方式也很简单,首先使用conda创建环境,安装好自己需要的包后打开Pycharm,在环境配置中就有使用Conda环境的选项: 我们在Existing environment中选择已经配置好的环境就可以了。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |