【AI白身境】深度学习从弃用windows开始

【AI白身境】深度学习从弃用windows开始

今天是新专栏《AI白身境》的第一篇，所谓白身，就是什么都不会，还没有进入角色。

给大家准备了10期左右的文章来完成这个身份的转变，今天是第一篇，关于开发环境的选择(另外，接受粉丝们的意见，暂时以三天一篇的频率更新)。

要想正式进入AI行业发展，离不开称手的软硬件兵器，其中操作系统就是“软”兵器，本文给大家的建议是彻底放弃Windows，只用Linux与Mac。

作者 | 言有三，微信Longlongtogo

编辑 | 言有三

01 windows写代码不如linux

很多人会说，Windows不适合写代码？各种各样类似于visual studio的IDE那么牛逼，还不适合写代码？

莫急，且听我说几个理由。

当今大部分程序员，开始一个任务时的流程是什么？我想应该是这样的！

我们看看上面这些操作都要干什么。

1.1 github找代码

最常用的操作包括git clone，git push，git pull等，这些在命令行下操作是最简洁优雅的，如果你说每次从github上面下载代码采用的是download模式，如下：

那么少年，下次我们说github的时候好好看看，这样做有多么外行。一句话，windows不合适。

1.2 配置所需环境

几乎没有一个开源项目是能够下下来直接就能用的，尤其是你的电脑还处于初段水平的时候，配置环境是新手们的大敌。

在windows中要装一个新的软件包真的好麻烦（要自己找软件，看版本，下载安装，配置环境变量），版本控制和更新更麻烦（就是把前面的操作重来一遍嘛），给python装各种依赖库好麻烦（想都不敢想），反正就是很麻烦，巨麻烦，超级麻烦。而Linux，通常就是一条命令。

1.3 开发，迭代

这个周期就长了，解决bug，编译运行等等。看起来，visual studio之类的IDE好像很方便，但是这一切都建立在你还不认识VIM之类编辑器的强大的前提下。

随随便便说几个功能，比如列编辑模式，比如复杂的字符替换。

写起代码来真的是会舒服很多，高效很多。

1.4 模型部署

开发的最后一步就是环境部署，代码经常需要跨平台迁移的，能想象一个依赖于Windows下面IDE的项目能够毫无隐患，顺利地迁移到嵌入式平台吗？

你很可能不自觉写了一些依赖于Windows窗体之类的代码(比如有人喜欢用C#，MFC)，目录可能也是不上心胡乱配置的，更别说各种日志，到时候就等着重写代码吧。

02 windows没有Linux干净

Windows本就是一个桌面级的应用系统，不是开发环境。Windows是给普罗大众用户用的，不是给程序员用的。是开发好了软件给你用的，而不是开发软件的。

2.1 诱惑太多，没有仪式感

将这个放在第一条貌似有点喧宾夺主，但实际上我觉得是最重要的。

在Windows下面搞开发，写着写着就不知道干什么去了，反正不写代码也不会死。

在windows下面搞开发就没有仪式感好吗！居然还用鼠标，说出去逼格都降低了。

总之，Windows下开发效率很低，处于鄙视链底层。

2.2 多用户 

Linux实现了用户之间完全的隔离，在同一台机器上，每个人可以有自己独立的目录，如/home/zhangsan，/home/lisi，除非有root权限，否则一个用户是看不到别人目录的东西的。

除了公共的软件库和硬件资源，大家在同一台机器上既可以相互协作，又互不干扰，这是Windows办不到的。

它带来的好处很明显，有几个突出的；

(1) 可以各自配置独立的环境，你喜欢python2，我喜欢python3，互不侵犯，尊重个性嘛。

这一点非常重要，而一些小团队仍然不重视这个问题。还可以通过配置不同的权限，让小白们权限低一点，老司机们权限高一点，避免出现小白手贱滥用apt-get之类的命令随意更改系统软件库，造成系统崩溃的情况。

(2) 合理利用资源，比如小实验室买了一块24G显存的卡，买不起第2块了，总不能放在Windows下面分时用吧。

2.3 高效率 

Linux没有复杂的桌面渲染，能更专注地将服务器的硬件优势表现出来，有各种各样的命令来进行检测。

对于从事计算密集型的深度学习算法工程师来说，GPU就是命，硬盘都是钱呐。8G显存，恨不能用到7.99G。

03 windows没有linux靠谱

这要从两方面来说。

第一是安全，linux系统是开源系统，人多力量大，bug往往都被及时发现了。平时很少听到Linux中毒的，Windows在早些年动不动就中毒了。

第二是稳定，Windows和Mac，死个机什么的就是毛毛雨，家常便饭习以为常。但是Linux突然死机是很罕见很罕见的，我见过最多的就是小白手贱把系统搞死了，类似于rm -rf /这种。

哪有人这么傻直接运行rm -rf /，当时是手指在高速运行敲代码，删除其他东西的时候，不小心带上了，然后就......

以上理由，已经足够让你放弃Windows了，更多Linux的好处，用着用着，就会知道了。

总结

长痛不如短痛，如果有做开发者的觉悟了，就尽快换上Linux吧。

下期预告：下一期我们会讲Linux的常用基础，如果你有建议，欢迎留言，我们会及时采纳的。

转载文章请后台联系

侵权必究

AI白身境系列完整阅读：

第一期：​​【AI白身境】深度学习从弃用windows开始​​

第二期：​​【AI白身境】Linux干活三板斧，shell、vim和git​​

第三期：​​【AI白身境】学AI必备的python基础​​

第四期：​​【AI白身境】深度学习必备图像基础​​

第五期：​​【AI白身境】搞计算机视觉必备的OpenCV入门基础​​

第六期：​​【AI白身境】只会用Python？g++，CMake和Makefile了解一下​​

第七期：​​【AI白身境】学深度学习你不得不知的爬虫基础​​

第八期： ​​【AI白身境】深度学习中的数据可视化​​

第九期：​​【AI白身境】入行AI需要什么数学基础：左手矩阵论，右手微积分​​

第十期：​​【AI白身境】一文览尽计算机视觉研究方向​​

​​第十一期：【AI白身境】AI+，都加在哪些应用领域了​​

第十二期：​​【AI白身境】究竟谁是paper之王，全球前10的计算机科学家​​

AI初识境系列完整阅读

第一期：​​【AI初识境】从3次人工智能潮起潮落说起​​

第二期：​​【AI初识境】从头理解神经网络-内行与外行的分水岭​​

第三期：​​【AI初识境】近20年深度学习在图像领域的重要进展节点​​

第四期：​​【AI初识境】激活函数：从人工设计到自动搜索​​

第五期：​​【AI初识境】什么是深度学习成功的开始？参数初始化​​

第六期：​​【AI初识境】深度学习模型中的Normalization，你懂了多少？​​

第七期：​​【AI初识境】为了围剿SGD大家这些年想过的那十几招​​

第八期：​​【AI初识境】被Hinton，DeepMind和斯坦福嫌弃的池化，到底是什么？​​

第九期：​​【AI初识境】如何增加深度学习模型的泛化能力​​

第十期：​​【AI初识境】深度学习模型评估，从图像分类到生成模型​​

第十一期：​​【AI初识境】深度学习中常用的损失函数有哪些？​​

第十二期：​​【AI初识境】给深度学习新手开始项目时的10条建议​​

感谢各位看官的耐心阅读，不足之处希望多多指教。后续内容将会不定期奉上，欢迎大家关注有三公众号 有三AI！