- 博客(10)
- 收藏
- 关注
RSS订阅原创 Python 打包的未来：pyproject.toml 全方位指南
本文介绍了Python项目打包工具从setup.py向pyproject.toml的演进过程。pyproject.toml作为PEP 518和PEP 621确立的官方标准，具有声明式配置、安全性高、标准化等优势。文章详细讲解了如何创建和使用pyproject.toml文件，包括项目元数据、依赖项、可选依赖等配置方式，并比较了新旧打包方式的区别。当项目同时存在setup.py和pyproject.toml时，现代构建工具会优先读取pyproject.toml中的配置。这种转变代表了Python打包理念的现代化
2025-09-04 15:50:06
2270
原创 终极环境复现：Conda-build 与 meta.yaml 打包指南
本文介绍了Conda生态系统的核心打包工具conda-build，重点解析了如何通过meta.yaml配方文件创建跨平台、跨语言的Python软件包。文章分为开发者篇和用户篇两部分：开发者篇详细讲解了meta.yaml文件的结构和编写方法，包括基础信息、源代码来源、构建配置、依赖项管理和测试环节；用户篇则介绍了如何安装本地构建的包或从Anaconda渠道安装已上传的包。
2025-09-04 15:39:41
716
原创 Python 项目打包之钥：setup.py 全方位指南
本文介绍了Python项目中setup.py文件的作用与使用方式。从开发者视角，setup.py能实现标准化安装、依赖管理、创建命令行工具和发布到PyPI等功能，并详细说明了编写步骤和核心配置要点。从用户视角，指导如何通过虚拟环境安装项目，包括可编辑模式和标准模式两种安装方式。最后提到社区正在向更现代的pyproject.toml配置文件过渡，但理解setup.py仍很重要。全文为Python项目打包和分发提供了实用指南。
2025-09-04 13:40:00
1229
原创 Python 依赖管理进阶：用 pip-tools 告别混乱的 requirements.txt
pip-tools 提供了一种更清晰的 Python 依赖管理方案：通过 requirements.in 声明直接依赖，用 pip-compile 生成包含精确版本的 requirements.txt，实现意图与锁定环境的分离。项目维护者只需维护精简的 requirements.in，而使用者可通过 pip-sync 精确复现环境。这种方式解决了传统 pip freeze 混淆直接/间接依赖的问题，使依赖关系更透明，长期维护更轻松。
2025-09-04 12:11:54
878
原创 Python项目管理的三剑客与未来：从 requirements.txt 到 pyproject.toml
本文介绍了Python项目依赖管理的关键工具：“requirements.txt”用于pip的标准依赖清单，“environment.yaml”用于conda的全能环境配置，“setup.py”用于项目的打包与分发。三者各司其职：requirements.txt适合应用项目复现运行环境，environment.yaml适合科学计算项目管理完整环境，setup.py则用于库项目的安装分发。文章还前瞻性地提到新兴的pyproject.toml文件，作为未来统一的项目配置标准。
2025-09-04 11:45:43
1450
原创 如果显卡驱动支持 CUDA 11.8，能否使用 PyTorch CUDA 12.4？
🚫，因为 NVIDIA 驱动版本必须支持 PyTorch 所需的 CUDA 版本。如果你的驱动仅支持 CUDA 11.8，而 PyTorch 需要 CUDA 12.4，会导致返回False，无法使用 GPU。决定了系统支持的最高 CUDA 版本（通过nvidia-smi查看）。450.80.02必须 ≤。
2025-07-20 23:17:19
1641
原创 安装Pytorch不用安装CUDA和Cudnn!
PyTorch 会优先使用自带的 CUDA 运行时库（位于 PyTorch 安装目录中，如 torch.libs 或 torch/cuda），而不是系统的 CUDA Toolkit。取决于多个因素，包括 PyTorch 的安装方式、系统环境变量、NVIDIA 驱动版本等。安装后，PyTorch 会使用自带的 CUDA 版本（如 12.1），与系统是否安装 CUDA Toolkit 无关。，因为 PyTorch 官方预编译版本已经内置了所需的 CUDA 运行时库。，而不是系统安装的 CUDA。
2025-07-20 23:09:25
2505
2
原创 清理 conda 缓存和 pip缓存
1.清理 conda 缓存conda的缓存可能包含不再需要的包、索引和临时文件。删除不再使用的包和缓存以及临时文件等，以释放磁盘空间，之后全选（y）清除其他可选项（使用的时候，首字母就行），其实直接--all。
2025-07-13 23:54:51
1705
原创 已经安装Pytorch,但VSCode中找不到,仍显示ModuleNotFoundError: No module named ‘torch‘
这可能是由于虚拟环境的路径和VScode中Python访问路径不一致造成的。文件-首选项-设置-扩展-Code Runner configuration-Executor Map。也可以 Ctrl+, 直接打开设置面板，在搜索框中输入：code-runner.executorMap。现在可以确定是插件的问题，Code Runner 与运行Python的终端进程不一样。当前设置的环境解释器，如果是虚拟环境就会加载虚拟环境！但还是想使用 Code Runner，所以要搞清楚到底是为什么，以及如何修改设置！
2025-07-13 19:11:28
1959
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人