Anaconda có cần thiết cho Python không

Bạn chắc chắn không cần phải sao chép thiết lập của tôi, nhưng có lẽ một số phần của nó có thể là nguồn cảm hứng hữu ích cho môi trường phát triển của bạn

Pip

F đầu tiên, chúng ta cần nói về Pip. Pip là trình quản lý gói của python. Nó đã được tích hợp sẵn vào Python từ khá lâu rồi, vì vậy nếu bạn có Python, có thể bạn đã cài đặt pip rồi.

Pip cài đặt các gói như tensorflow và numpy, pandas và jupyter, v.v., cùng với các phụ thuộc của chúng

pip install

Nhiều tài nguyên Python được phân phối dưới dạng gói pip. Đôi khi bạn có thể thấy một tệp có tên requirements.txt trong thư mục tập lệnh Python của ai đó. Thông thường, tệp đó phác thảo tất cả các gói pip mà dự án đó sử dụng và bạn có thể cài đặt mọi thứ trong tệp đó bằng cách sử dụng

pip install -r requirements.txt

Là một phần của hệ sinh thái này, có cả một thế giới về số phiên bản và phụ thuộc. Đôi khi, tôi cần sử dụng các phiên bản khác nhau của một thư viện nhất định cho các dự án khác nhau mà tôi đang thực hiện, vì vậy tôi cần một cách để sắp xếp các nhóm gói của mình vào các môi trường riêng biệt, khác nhau

Thực hiện phát triển web và khoa học dữ liệu trên cùng một máy có thể khiến các gói Python của bạn trở nên lộn xộn

Hiện tại có hai tùy chọn phổ biến để quản lý các gói pip khác nhau của bạn. virtualenv và anaconda

Virtualenv

V irtualenv là gói cho phép bạn tạo “môi trường ảo” có tên, nơi bạn có thể cài đặt các gói pip theo cách riêng biệt.

Công cụ này rất tuyệt nếu bạn muốn kiểm soát chi tiết gói nào bạn cài đặt cho từng môi trường bạn tạo. Ví dụ: bạn có thể tạo một môi trường để phát triển web với một bộ thư viện và một môi trường khác cho khoa học dữ liệu

Bằng cách này, bạn sẽ không cần phải có các thư viện không liên quan tương tác với nhau và nó cho phép bạn tạo các môi trường dành riêng cho các mục đích cụ thể

Trăn Anaconda

N ồ, nếu bạn chủ yếu làm công việc khoa học dữ liệu, thì Anaconda cũng là một lựa chọn tuyệt vời. Anaconda được tạo bởi Continuum Analytics và là bản phân phối Python được cài đặt sẵn rất nhiều thư viện python hữu ích cho khoa học dữ liệu.

Anaconda phổ biến vì nó mang lại nhiều công cụ được sử dụng trong khoa học dữ liệu và máy học chỉ với một lần cài đặt, vì vậy thật tuyệt vời khi có thiết lập ngắn và đơn giản

Giống như Virtualenv, Anaconda cũng sử dụng khái niệm tạo môi trường để cô lập các thư viện và phiên bản khác nhau. Anaconda cũng giới thiệu trình quản lý gói của riêng mình, được gọi là conda, từ đó bạn có thể cài đặt các thư viện

Ngoài ra, Anaconda vẫn có tương tác hữu ích với pip cho phép bạn cài đặt bất kỳ thư viện bổ sung nào không có sẵn trong trình quản lý gói Anaconda

Làm thế nào để lựa chọn?

S o… tôi nên sử dụng cái nào, virtualenv hay anaconda? .

Lý tưởng nhất là tôi cũng có thể dùng thử các thư viện trên cả virtualenv và anaconda, nhưng đôi khi hai trình quản lý gói này không hoạt động tốt

gặp pyenv

Vì vậy, tôi đã chọn sử dụng cả hai và quản lý toàn bộ bằng thư viện có tên là pyenv. Về mặt khái niệm, pyenv nằm trên cả virtualenv và anaconda và nó có thể được sử dụng để kiểm soát không chỉ môi trường virtualenv hoặc môi trường anaconda đang được sử dụng mà còn dễ dàng kiểm soát xem tôi đang chạy Python 2 hay Python 3

Một khía cạnh cuối cùng của pyenv mà tôi thích là khả năng thiết lập môi trường mặc định cho một thư mục nhất định. Điều này làm cho môi trường mong muốn được kích hoạt tự động khi tôi vào một thư mục. Tôi thấy điều này dễ dàng hơn nhiều so với việc cố gắng nhớ xem tôi muốn sử dụng môi trường nào mỗi khi làm việc trên một dự án

Bạn nên sử dụng trình quản lý gói Python nào?

Nếu bạn thường chỉ sử dụng các công cụ khoa học dữ liệu cốt lõi và không quan tâm đến việc cài đặt thêm một số thư viện mà bạn không sử dụng, thì Anaconda có thể là một lựa chọn tuyệt vời vì nó dẫn đến quy trình làm việc đơn giản hơn cho nhu cầu và sở thích của bạn

Tuy nhiên, nếu bạn là người thích tùy chỉnh môi trường của mình và làm cho nó chính xác theo cách bạn thích, thì những thứ như virtualenv hoặc thậm chí pyenv có thể phù hợp với sở thích của bạn hơn

Gói [lại

Không có 'một' cách đúng đắn nào để quản lý các thư viện Python, và chắc chắn có nhiều cách khác ngoài các tùy chọn mà tôi vừa trình bày

Khi các công cụ khác nhau xuất hiện và biến mất, điều quan trọng cần nhớ là mọi người đều có nhu cầu, sở thích và trường hợp sử dụng khác nhau, vì vậy bạn phải chọn cho mình những công cụ nào có thể phục vụ bạn

Môi trường python của bạn trông như thế nào và làm thế nào để bạn giữ cho nó không bị mất kiểm soát?

Cảm ơn bạn đã đọc tập này của Cloud AI Adventures. Nếu bạn thích bộ truyện này, hãy cho tôi biết bằng cách vỗ tay cho bài viết. Nếu bạn muốn có thêm hành động học máy, hãy nhớ theo dõi tôi trên Phương tiện hoặc đăng ký kênh YouTube để xem các tập tiếp theo khi chúng ra mắt. Các tập khác sẽ sớm ra mắt bạn