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。
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，比如 PyTorch 直到 2022 年都没有支持 NCCL 多卡训练
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。
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。
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
- 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
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。