Ngày càng có nhiều ứng dụng AI. Hầu hết framework hoặc nền tảng phát triển là mã nguồn mở. Làm thế nào để người mới bắt đầu có thể chọn một môi trường phát triển phù hợp với họ?
- Đối với môi trường phát triển sử dụng Linux làm hệ điều hành, nó có thể được chia thành phần mềm quản lý, nền tảng phát triển (development platforms) và frameworks theo hệ thống phân cấp.
- Phần mềm quản lý thường đề cập đến quản lý phần cứng, Python và các hệ thống giám sát và quản lý phiên bản công cụ khác, trong đó phổ biến nhất là Kubernetes, Docker hoặc Anaconda.
- Nền tảng phát triển là một hệ thống cấp cao hơn. Chức năng chính của nó là cung cấp môi trường để người dùng viết chương trình dễ dàng. Thông thường, nó bao gồm Jupyter Notebook, JupyterLab, PyCharm hoặc Visual Studio Code.
- Framework là một bộ công cụ phát triển triển khai học máy hoặc học sâu ở cấp độ cao hơn. Có rất nhiều loại framework, và có những nền tảng phù hợp theo thói quen cá nhân hoặc loại ứng dụng, chẳng hạn như TensorFlow, PyTorch hoặc Caffe, sẽ được giới thiệu dưới đây tùy theo môi trường người dùng khác nhau.
Có rất nhiều phần mềm quản lý, nền tảng phát triển hoặc framework, vì vậy chúng tôi sẽ không giới thiệu tất cả từng cái một trong bài viết này. Chúng tôi sẽ chỉ tập trung vào môi trường AI phù hợp nhất cho các loại người dùng khác nhau.
Nhà phát triển cá nhân - Individual Developer
Môi trường nhà phát triển cá nhân chủ yếu cài đặt hệ thống ở đầu cục bộ. Người ta thường thiết lập Anaconda trong hệ thống để chuyển đổi giữa và quản lý các dự án. Anaconda cài đặt khung học sâu thông qua cài đặt pip.
Ưu điểm:
- Có thể chuyển đổi giữa các phiên bản Python hoặc framework khác nhau
Nhược điểm:
- Yêu cầu dung lượng ổ cứng lớn
- Một số Preinstallation Kit được cài đặt sẵn có thể hoàn toàn không được sử dụng
- Khi các phiên bản của CUDA Toolkit có thể được sử dụng cho nhiều phiên bản của framework khác nhau, nhà phát triển phải chuyển đến môi trường ảo của từng phiên bản framework để định cấu hình cài đặt môi trường CUDA Toolkit.
Nhận xét
Đăng nhận xét