文章目录
基础概念
CPU(中央处理器)
CPU 是计算机的核心部件,负责执行计算和逻辑操作。它按照指令序列进行任务处理,擅长处理串行任务。CPU 的性能直接影响计算机的整体运行速度。
GPU(图形处理器)
GPU 最初设计用于图形渲染,能够并行处理大量数据。由于其强大的并行计算能力,GPU 被广泛应用于深度学习、科学计算和数据分析等需要高计算量的领域。
CUDA(Compute Unified Device Architecture)
CUDA 是 NVIDIA 推出的并行计算平台和编程模型。它允许开发者使用 C、C++、Python 等语言编写程序,在 GPU 上执行并行计算,从而大幅提升计算性能。
Anaconda
Anaconda 是一个开源的 Python 和 R 语言发行版,主要用于科学计算和数据分析。它集成了大量常用的数据科学包,如 NumPy、Pandas、SciPy 等,并包含 Conda 包管理器,方便环境管理和包依赖。
PyTorch 和 TensorFlow
PyTorch 和 TensorFlow 是两大主流的深度学习框架。
-
TensorFlow:由 Google 开发,支持静态和动态图计算,适用于从研究到生产的各个环节。它有丰富的工具和社区支持,适合构建大型复杂模型。
-
PyTorch:由 Facebook 开发,以其动态计算图和易于使用的 API 而闻名。PyTorch 更加灵活,便于调试,深受研究人员和初学者的喜爱。
这两个框架都支持 GPU 加速,利用 GPU 的并行计算能力加速深度学习模型的训练和推理。
创建项目
1.在Anaconda上创建序虚拟环境