[环境配置] 1. 开发环境搭建

开发环境搭建

本文档将详细介绍如何搭建深度学习开发环境，包括 Python 环境配置、IDE 选择与配置以及虚拟环境管理。

也会介绍一下最近比较流行的 uv 工具。它是一个用 Rust 编写的极其快速的 Python 包和项目管理工具。

uv 是一个非常强大的工具，它可以帮助你管理你的 Python 项目和包。它可以创建、安装、卸载、更新、管理、发布 Python 项目和包。

Python环境配置

Python版本选择

• 推荐使用Python 3.8或3.9版本
• 从Python官网下载对应版本
• 安装时勾选"Add Python to PATH"

环境变量配置

1. 确保Python已添加到系统PATH
2. 验证安装：

   python --version
   pip --version
   

IDE选择与配置

VSCode（推荐）

1. 下载安装VSCode
2. 安装Python扩展
3. 配置Python解释器
4. 推荐安装的扩展：
   • Python
   • Jupyter
   • Python Indent
   • Python Docstring Generator

PyCharm

1. 下载安装PyCharm
2. 配置Python解释器
3. 安装常用插件：
   • Jupyter
   • Python Enhancement

选择什么样的 IDE 取决于个人喜好和项目需求。对于我来说，我更倾向于使用 VSCode。

虚拟环境管理

使用venv（Python内置）

# 创建虚拟环境
python -m venv myenv

# 激活虚拟环境
# Windows
myenv\Scripts\activate
# Linux/Mac
source myenv/bin/activate

# 退出虚拟环境
deactivate

使用Conda（推荐）

1. 下载安装Anaconda或Miniconda

2. 创建和管理环境：

# 创建新环境
conda create -n deeplearning python=3.9

# 激活环境
conda activate deeplearning

# 退出环境
conda deactivate

# 查看所有环境
conda env list

如果使用 conda ，个人推荐使用 Miniconda ，因为它更轻量，而且可以快速创建和管理环境。

使用uv

# 安装uv
pip install uv

# 创建新环境
uv venv

# 激活虚拟环境 - Windows
.venv\Scripts\activate

# 激活虚拟环境 - Linux/Mac
source .venv/bin/activate

# 退出环境
deactivate

# 查看所有环境
uv list

更多关于 uv 的使用，有需要的后续会继续介绍。

验证环境配置

完成以上步骤后，运行以下命令验证环境：

# 检查Python版本
python --version

# 检查pip版本
pip --version

# 如果使用conda，检查conda版本
conda --version

# 如果使用uv，检查uv版本
uv --version

注意事项

1. 建议为每个项目创建独立的虚拟环境
2. 定期更新包管理器：

   python -m pip install --upgrade pip
   conda update conda  # 如果使用conda
   

3. 保持良好的环境管理习惯，避免环境混乱
4. 记录项目依赖，方便环境复现
5. 使用conda，尽量避免在base环境下安装包, 而是在新环境下安装包。因为base环境下的包会被其他环境共享。