Skip to main content

机器学习

机器学习是当前发展最热门的方向之一，可以称之为计算机科学的明珠。

我们可能会需要多个测试环境（例如：python3.9）去复现别人论文的代码，另一方面我们又需要一个最新的python去开发新的代码。

这就导致了一个问题，如何管理这些依赖，如何保证不同的模块库之间的兼容性，如何保证不同的模块库之间的可复用性。

常见的主流方案如下，可以按需选择：

工具优点缺点适用场景
venv轻量级，不需要额外安装复杂的工具。不能管理非Python的依赖，例如cuda版本。传统的机器学习
conda功能强大，可以管理外部依赖。体积大。迁移不方便。深度学习
docker可以创建一个隔离的环境，并且可以方便的进行迁移。需要学习和理解Docker的概念。需要迁移的环境

这里我建议先使用传统的单环境开发，后续需要迁移环境时，再使用conda或者docker。