易 AI - 机器学习环境

原文：http://makeoptim.com/deep-learning/yiai-env

工欲善其事必先利其器，将开发环境准备好，后续的文章，需要的时候就可以直接上手实践。

由于大家的电脑配置都不一致。因此，笔者先以现有环境做一些环境搭建教程，如果是其他环境的，遇到问题可以评论中反馈。

• Ubuntu 机器学习环境 (TensorFlow GPU, JupyterLab, VSCode)
• Mac 机器学习环境 (TensorFlow, JupyterLab, VSCode)
• Apple Silicon Mac M1 机器学习环境 (TensorFlow, JupyterLab, VSCode)
• Win10 机器学习环境 (TensorFlow GPU, JupyterLab, VSCode)
• Apple Silicon Mac M1 机器学习环境 (tensorflow-metal PluggableDevice, JupyterLab, VSCode)
• 更多 待更新...

注：如果你是非技术方向的同学，可以直接跳过机器学习环境部分。

这里顺便提一下 Pytorch、TensorFlow、Keras 这三个经常看到的概念。

• Pytorch 和 TensorFlow 是一类东西，可以类比移动端开发的官方基础框架（比如：UIKit）
• Keras 并不是一个框架， 只是对多种人工智能的框架进行的封装，向外提供更加方便好用的接口而已。可以类比为移动端开发的便捷开发库（比如：https://github.com/facebookarchive/pop ）
• 由于 TensorFlow 在机器学习的整个生命周期功能都较为完善，特别是部署上，并且 2.0 版本的 API 简化了很多，也将 Keras 集成为 tf.keras 模块，极大地方便了开发。因此，本专栏采用 TensorFlow 作为机器学习环境。