然而,问题来了!
人工智能的代表性技能—深度学习,是一群技能大咖搞起来的。
这些大咖们的共性特点,都是Linux铁粉、都对Windows不感冒。
当然,随着利用面的拓宽,许多AI干系的技能软件也开始支持Windows。
比如,Google出品的Tensorflow,可以在Windows平台安装利用【详细过程可参考https://www.wukong.com/question/6505648900660003076/】。
但是,安装只是入坑的第一步,开拓中碰着的问题才是千奇百怪。
这时,到网上一搜,类似问题是不少人关注,但办理方法却险些全是Linux的。

一言以蔽之,目前阶段,真想搞人工智能,还必须要在Linux平台。

以Ubuntu为代表的Linux,在易用性方面进步很大,引入了大量图形化界面。
然而,很多操作毕竟与Windows不同。
大家知道,Windows的很多操作习气,微软同学是有专利的。
很多时候,不是Linux不想兼容Windows,而是专利利剑高悬,臣妾做不到啊!

扯了这么多,引出咱们的问题:咱想搞人工智能,咱也知道离不开Linux,可咱便是不会用Linux!
有办法吗?

想搞人工智能却又不会用LinuxGPU主机远程调试来帮你

答案是有!

初看起来,我们要做的是两点:第一,拥有一个完善的Linux人工智能开拓环境;第二,在Windows中调用这个环境进行开拓。

第一个问题,一些同学立时想到了,用虚拟机啊。
聪明!
在Windows建立一个Linux虚拟机,分分钟的事。
第二个问题,咱们在Windows平台通过远程调试,连接到这个Linux虚拟机,就可以“本地编码、远程实行”了。
目前,PyCharm、VS Code与Visual Studio都已经支持远程调试。
以是,这条路线是可以走的。

但是,Linux可没Windows那么方便。
大咖们干事,喜好开源与高效。
本日你做一个软件包A,开放出来;来日诰日开拓别的软件B,相同功能直接就调用A而无需再造一遍轮子。
可是,咱假如想用B,就得把A也得安装了,否则B就不能正常运行。
这种软件包依赖,在Linux开拓中是如此的普遍,险些是不可能绕过的。

就拿人工智能来说,比如要做图像处理,除了深度学习框架如Tensorflow、PyTorch等,恐怕openCV、PIL少不了,再然后Numpy、Pandas、Matplotlib也用得到。
这些软件又依赖一些别的软件包。
哈哈,是不是“子子孙孙无穷尽”的觉得?!

深度学习的根本是大数据。
比如,著名的图像处理竞赛ImageNet,演习图片高达数百万张,全部解压后霸占将近1TB的空间。
显然,如果须要将这些数据上传到远程主性能力开始模型演习,这种远程事情模式也是不现实的。

难!
咱也长期为这些问题所困。

然而,最近,咱创造了一个好东西—AI算力租赁。
大略地说,对方把Linux及人工智能配套软件都装好,然后把这个别系租给咱们。
咱们通过远程调用的办法,直接把代码传上去实行。
更知心的是,

常用数据集都内置了,无需咱从网高下载再去上传,省流量省韶光。
GPU物美价廉,刁悍的GTX 1080Ti才要5元/小时。
算力还能按需扩充。
本日调代码,就只要一块显卡。
往后要训大模型,就多申请几块显卡。
一块1080Ti得七八千呢,自建大环境,本钱是杠杠的。

算力租赁是用钱能办理的事。
如何配置PyCharm、VS Code与Visual Studio来支持远程调试,也有不小的事情量。
好在已经有这方面的教程(查看教程点击https://www.easyaiforum.cn/thread-625-1-1.html)

行之文末,在CSDN已经有同道创造同样的宝贝了。
它家的比较,很是详尽。
这里就不再多说,直接放链接https://blog.csdn.net/dlhlSC/article/details/83180695