01. MAC环境配置Anaconda+PyTorch+PyCharm
刚了解AI学习会发现，有两个主要学习Ai框架，Pytorch和TensorFlow。看招聘信息，对两个技术要求的频率也相似。很多招聘信息中的要求是，熟悉两者中的一个。
所以刚学习AI，我们先确定用哪个框架开始学。 按网上搜索的信息来看(本人还没有入门，具体情况暂不清楚)。
网上很多文章，比较两者的优缺点，不能明确推荐哪个。 本人准备先用从Pytorch开始学习。
Pytorch和TensorFlow
- 20年之前开源项目，用TensorFlow的多
- 近期的大项目用Pytorch的多，建议用这个框架
纯粹是入门半个小时人的极端说服自己的理解。
MAC BOOK 配置Pytorch环境
| 项目 | 版本 | 说明 |
|---|---|---|
| MAC OS | Monterey 12.0 | 当前PyTorch官网提示，macOS 10.15 (Catalina)以上就可以 |
| Anaconda | Anaconda3-2024.10-1-MacOSX-arm64.pkg (根据自己需求安装,我是安装当前最新版本） | 环境管理工具 |
| Conda | 24.9.2 | 安装Anaconda会默认安装 |
| Cuda | MAC 不用安装 | 详细的看下面文章 |
| Homebrew | 使用Anaconda，不需要安装 | |
| Python | 3.12 | 当前PyTorch官网建议用3.9~3.12 |
| PyTorch | 2.5.1 | 当前官方显示的稳定版本 |
| PyCharm | PyCharm 2024.1.1 | 开发编辑器 |
| Jupyter Notebook | 编程和文档与一身，是用python进行数据科学、机器学习的神器 |
Anaconda : 管理安装包和管理环境的工具
Anaconda，中文大蟒蛇，是一个开源的Anaconda是专注于数据分析的Python发行版本，包含了conda、Python等190多个科学包及其依赖项。
Anaconda就是可以便捷获取包且对包能够进行管理，包括了python和很多常见的软件库和一个包管理器conda。常见的科学计算类的库都包含在里面了，使得安装比常规python安装要容易，同时对环境可以统一管理的发行版本
更详细的了解可以到:
文章：http://www.360doc.com/content/24/1110/21/3075914_1139007553.shtml
视频：https://www.bilibili.com/video/BV1AM4y1t7sF/?spm_id_from=333.337.search-card.all.click&vd_source=09d53554bea8934c8a48fa6efadcd22c
Anaconda使用教程:https://zhuanlan.zhihu.com/p/348120084
步骤1: 下载安装包
下载地址: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D
MAC BOOK 查看自己处理器类型
arch
// 输出结果: arm64
步骤2: 检查是否安装成功
检查命令:
conda -V
安装成功: 会输出conda版本号
其它补充操作: 可能是环境变量没有加载
重新加载环境变量：
source ~/.bash_profile
// 或关闭命令窗终端，重新打开
步骤3: 配置Anaconda数据源
通常anaconda的默认源在境外，下载速度会非常慢甚至导致网络错误下载包失败，打开Anaconda Prompt使用以下方法将清华镜像添加到anaconda。
- 查看当前数据源
conda info
// 看 channel url
- 添加数据源(清华镜像数据源)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
步骤4: Anaconda 基本配置和使用
步骤1: 创建环境
如果对创建环境的意义不理解，可通过上面提供的参考文章和视频，了解Anaconda的用途和作用。
- 创建一个环境，在这个环境中配各种各样的包，就可以在这个环境中运行实现目标程序的运行
conda create -n 环境名
- 查看当前conda所有环境
conda info --envs
步骤2: 激活(进入)环境(刚创建的环境)
conda activate 环境名称
前面变为环境名称，说明我们已经在新的环境里面。
步骤3: 在环境中安装工具包
- 查看单签环境安装的包
// 在新建的环境里面运行
conda list
如果，没有安装过任何工具包，里面是空的
- 安装Python； 这里安装了3.12版本
本来安装了3.8。后面安装pytorch的时候，pytorch官网建议安装3.9~3.12版本的python。
其实创建环境的时候可以直接指定当前环境的python版本，会自动安装好指定版本的Python。命令: conda create -n 环境名 python=3.12
因为我们上面没有指定版本，所以另给环境设置版本
给环境设置python版本
// 在新建的环境里面运行
conda install python=3.12
CUDA 安装
- 首先CUDA是什么? 百度就可以知道概念
CUDA 显卡的超级计算器
CUDA（Compute Unified Device Architecture）是由NVIDIA推出的一种通用并行计算架构，它允许开发者使用GPU进行高效的并行计算。简而言之，CUDA将GPU变成了一个超级计算器，能够处理复杂的计算任务。然而，要使用CUDA，您的计算机必须配备NVIDIA的GPU，并且需要安装相应的驱动程序。
- GPU是什么?
GPU显卡的超级计算器
图形处理器（Graphics Processing Unit，GPU），又称显示核心（display core），显示芯片（display chip），视觉处理器（video processor），是一种用于处理图像和图形运算工作的协处理器 [1]，广泛应用在个人电脑、工作站和一些移动设备（如智能手机、平板电脑等）。
GPU作为硬件领域一个重要的分支，在科学计算、人工智能、游戏开发等领域应用广泛。商用GPU主要包括NVIDIA Geforce系列、AMD Radeon系列和 NVIDIA Tesla系列等，它们在图像处理等应用领域提供了高逼真的渲染效果，在科学计算等研究领域提供了强大的计算能力
- 使用PyTorch为什么要安装CUDA?
纯属说服自己的理解
AI开发是需要很大的算力能力，我们知道传统计算机运行应用的时候，算力是通过CPU进行。通过显卡GPU处理这些算力的能力是比CPU强很多(网上说的 ㅠㅠ) 。所以我们想用显卡的GPU算力能力，需要通过安装CUDA工具，就可以用到显卡的GPU算力。
那使用PyTorch能不能不安装CUDA?
可以！应为我们在PyTorch官网选择版本的时候，可以看到要么选择使用CUDA的，也可以选择纯CPU的。
注意: MAC版本是没有CUDA版本选择
到这里发现，用MAC开发就不需要安装CUDA！！！
MAC不能用CUDA，怎么用GPU计算？
pytorch在mac下默认使用的是cpu，因为mac没有cuda，所以需要安装苹果自己的metal库来支持深度学习框架使用GPU。
？？这里怎么安装metal库或怎么使用metal库，还没有理解，后续补充
- 再就是在python代码里将对应的cuda代码修改为mps类别，主要包括以下这些：
## 使用 CUDA的代码
torch.cuda.is_available() #检查cuda是否可用
device=torch.device('cuda:0' if (torch.cuda.is_available()) else 'cpu') #cuda非空闲时使用cpu
## MAC环境下使用mps的代码
torch.backends.mps.is_available() #检查mps是否可用
device=torch.device('mps' if (torch.backends.mps.is_available()) else 'cpu') #mps非空闲时使用cpu
pytorch 安装
官网: https://pytorch.org/get-started/locally/
- 根据官网提供的安装命令安装
- 检查是否安装成功
查看conda环境下，安装包
conda list
- 查看安装的pytorch能不能正常使用
进入python命令环境
python
编写代码查看运行效果
import torch
x = torch.rand(5, 3)
print(x)
PyCharm 使用
Python开发用什么开发工具好？最多的选择是VsCode和 PyCharm。
VsCode是免费，PyCharm收费。两个用的都多。本人因为Java开发用ntelliJ IDEA，所以继续使用熟悉的PyCharm。
步骤1：创建使用conda中创建的开发环境配置的项目
- 创建的时候选择本地已存在的conda环境
步骤2：新建python文件
import torch
import sys
x = torch.rand(5, 3)
print(x)
print("当前环境使用Python版本："+sys.version)
Jupyter Notebook
Jupyter Notebook 集编程和文档与一身，是用python进行数据科学、机器学习的神器。
它能够分段运行代码块，随时编写文档说明，有多种魔法函数…
使用PyCharm我们已经足够做编写python代码学习。但是网上看很多用Jupyter Notebook学习python和Ai。简单了解，他的好处是可以做简单的编写，又可以直接用文档形式记录。还有包含很多后续使用的魔法函数(这个要后续慢慢了解)。 先安装看怎么使用吧。
首先进入到conda中创建的环境里面
conda activate kimDev001
- 安装命令
conda install jupyter notebook
- 启动命令
jupyter notebook
启动成功后用下面的url可访问使用jupyter notebook
详细使用方式慢慢学
