Skip to content

Latest commit

 

History

History
63 lines (40 loc) · 4.11 KB

windows-linux-or-macos.md

File metadata and controls

63 lines (40 loc) · 4.11 KB

Windows、Ubuntu 还是 macOS?

更新时间:2024 年 4 月

Windows、Ubuntu 和 macOS 这三个操作系统都有不可替代之处,我在工作中大部分情况下都会使用 macOS 作为终端,在使用 office 软件、百度云的时候会用到 Windows。虽然我直接使用的机器是 macOS 的操作系统,但是实际上运行程序的机器是 Ubuntu(Linux)操作系统。

Ubuntu

对于深度学习工程师来说,Ubuntu 都应该是首选的操作系统,原因如下:

  • 易用性强
  • 使用人数多,教程多,生态好
  • 各个深度学习框架的官方支持
  • 各类最新技术的最先支持平台

从开发环境到部署环境,Linux 系统贯穿始终,选择一款易用的 Linux 操作系统将会缩短开发周期。

建议选择目前最新的 LTS 版本,参考链接:https://wiki.ubuntu.com/Releases

比如现在我会选择 Ubuntu 22.04.4 LTS:

macOS

使用 macOS 的原因有很多,下面我们逐一分析。

从硬件上来说:

  • 美观,苹果的工业设计是非常棒的
  • 流畅,触控板的滚动和缩放效果舒适
  • 视网膜显示屏,分辨率极高,高帧数流畅,高颜色的还原以及亮度和色温的控制都很恰当
  • 续航时间长
  • 耐用,一台苹果电脑用四五年都和刚买来一样
  • iMac 5K 拥有27寸的屏幕,可以同时显示多个窗口和终端

从软件上来说:

  • 美观,从系统 UI 上来说,苹果的审美是有保障的,甚至在 macOS 上开发的软件都会注重审美
  • 环境与 Linux 接近,终端命令基本是通用的,在使用上无缝切换
  • 更安全,全盘加密,不用担心被偷以后被窃取文件,并且由于占有率低,少有为 macOS 开发的病毒软件
  • 与其他苹果设备合作很紧密,比如桌面的文件可以在每台设备上同步,甚至可以直接在 iPhone 上查看

有人可能考虑使用 macOS 外接 NVIDIA 显卡跑深度学习,这里不建议这样做。因为截止到 2019年 5 月15日,英伟达驱动只支持 2018年 7 月 9 日发布的 macOS High Sierra 10.13.6,所以我们无法用上最新版本的操作系统,官方表示目前不支持在 macOS 10.14 上运行 CUDA,苹果也表示外接显卡只支持 AMD 显卡

Windows

这个操作系统通常是大家最为熟悉的操作系统,所以这里就不再介绍它的优点,这里只提几个缺点:

  • 深度学习框架的官方支持不够及时,TensorFlow 于 2015年11月发布,但是一年之后才首次支持 Windows:TensorFlow now builds and runs on Microsoft Windows
  • PyTorch 直到 2024 年都没有支持 Windows 多卡训练
  • 其他学者开发的新模型的代码通常需要进行修改才能在 Windows 上运行,如果他们的代码涉及 CUDA 编程,自定义算子,这种修改会很困难
  • 路径的斜杠与其他操作系统不同,Windows 使用的是 \,容易作为转义字符解析成其他字符导致 bug
  • 换行符与其他操作系统不同,Windows 使用的不是 \n,而是 \r\n
  • 命令行与其他操作系统不同,许多命令功能一样,但是名字不同,比如 ifconfig 与 ipconfig,rm 与 del 等

bitsandbytes 是一个大模型量化的库,它的 8bit Adam 优化器对小显存的训练非常有用,这个库 2021 年 10 月就发布了,但是直到 2024 年 3 月才支持 Windows:https://github.com/TimDettmers/bitsandbytes/releases/tag/0.43.0

为了能够使用大多数深度学习工程师开源的代码,我们建议使用 Ubuntu 作为运行代码的机器。