IDE设置

对于机器学习的研究者和从业者，建议使用 PyCharm 作为Python开发的IDE。

在新建项目时，你需要选定项目的Python Interpreter，也就是用怎样的Python环境来运行你的项目。在安装部分，你所建立的每个Conda虚拟环境其实都有一个自己独立的Python Interpreter，你只需要将它们添加进来即可。选择“Add”，并在接下来的窗口选择“Existing Environment”，在Interpreter处选择 Anaconda安装目录/envs/所需要添加的Conda环境名字/python.exe （Linux下无 .exe 后缀）并点击“OK”即可。如果选中了“Make available to all projects”，则在所有项目中都可以选择该Python Interpreter。注意，在Windows下Anaconda的默认安装目录比较特殊，一般为 C:\Users\用户名\Anaconda3\ 或 C:\Users\用户名\AppData\Local\Continuum\anaconda3 。此处 AppData 是隐藏文件夹。

对于TensorFlow开发而言，PyCharm的Professonal版本非常有用的一个特性是 远程调试 （Remote Debugging）。当你编写程序的终端机性能有限，但又有一台可远程ssh访问的高性能计算机（一般具有高性能GPU）时，远程调试功能可以让你在终端机编写程序的同时，在远程计算机上调试和运行程序（尤其是训练模型）。你在终端机上对代码和数据的修改可以自动同步到远程机，在实际使用的过程中如同在远程机上编写程序一般，与串流游戏有异曲同工之妙。不过远程调试对网络的稳定性要求高，如果需要长时间训练模型，建议登录远程机终端直接训练模型（Linux下可以结合 nohup 命令 1 ，让进程在后端运行，不受终端退出的影响）。远程调试功能的具体配置步骤见 PyCharm文档 。

小技巧

如果你是学生并有.edu结尾的邮箱的话，可以在 这里 申请PyCharm的免费Professional版本授权。

对于TensorFlow及深度学习的业余爱好者或者初学者， Visual Studio Code 或者一些在线的交互式Python环境（比如免费的 Google Colab ）也是不错的选择。Colab的使用方式可参考 附录 。

• 1
• 关于 nohup 命令可参考 https://www.ibm.com/developerworks/cn/linux/l-cn-nohup/