Python 开发环境搭建与模块安装实践指南

最新推荐文章于 2025-12-12 14:50:02 发布
原创 最新推荐文章于 2025-12-12 14:50:02 发布 · 465 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #开发语言 #Python 开发环境搭建 #模块安装实践指南

部署运行你感兴趣的模型镜像

摘要

本文主要面向中国开发者，尤其是AI应用开发者，详细介绍了如何搭建Python开发环境以及如何安装和管理Python模块。文章通过实践案例、注意事项和最佳实践建议，帮助读者快速掌握Python环境的搭建和模块管理技巧。文章内容包括环境变量配置、模块安装、虚拟环境使用、常见问题解决以及扩展阅读资源。

正文

第一章：Python开发环境搭建基础

1.1 Python安装

Python是AI开发的核心语言之一，安装Python是开发的第一步。可以从Python官网下载安装程序。安装时建议勾选"Add Python to PATH"选项，以便将Python和pip添加到系统环境变量中。

对于AI应用开发，推荐安装Python 3.8及以上版本，因为许多AI库（如TensorFlow、PyTorch）对较新版本的Python支持更好。

1.2 环境变量配置

环境变量配置是确保Python和pip命令在任何位置都能运行的关键步骤。如果安装时未勾选"Add Python to PATH"，可以手动配置环境变量。

实践示例：

  1. 找到Python安装路径（例如：C:\Python312）。
  2. 打开"系统属性" > “环境变量” > “系统变量” > Path > “编辑”。
  3. 添加以下路径：
    • C:\Python312
    • C:\Python312\Scripts
  4. 保存并重新打开命令提示符。

代码示例：

# 检查Python版本
import sys
print(sys.version)

# 检查pip版本
import subprocess
try:
    result = subprocess.run([sys.executable, "-m", "pip", "--version"], 
                          capture_output=True, text=True)
    if result.returncode == 0:
        print("pip版本信息:")
        print(result.stdout)
    else:
        print("无法获取pip版本信息")
except Exception as e:
    print(f"检查pip版本时发生错误: {e}")

第二章：Python模块安装与管理

2.1 使用pip安装模块

pip是Python的包管理工具，用于安装和管理Python模块。如果无法直接使用pip命令，可以尝试以下方法。

实践示例：

# 使用Python的-m参数调用pip
python -m pip install requests

# 安装特定版本的模块
python -m pip install numpy==1.21.0

# 从requirements.txt文件安装模块
python -m pip install -r requirements.txt

# 升级已安装的模块
python -m pip install --upgrade tensorflow

代码示例：

# 测试requests模块是否安装成功
import requests

def test_requests_module():
    """
    测试requests模块是否正常工作
    """
    try:
        # 发送HTTP请求
        response = requests.get("https://httpbin.org/get", timeout=5)
        if response.status_code == 200:
            print("✅ requests模块工作正常")
            print(f"响应状态码: {response.status_code}")
            return True
        else:
            print(f"❌ 请求失败，状态码: {response.status_code}")
            return False
    except requests.exceptions.RequestException as e:
        print(f"💥 requests模块测试失败: {e}")
        return False
    except Exception as e:
        print(f"💥 测试过程中发生未知错误: {e}")
        return False

# 运行测试
if __name__ == "__main__":
    test_requests_module()
2.2 虚拟环境的使用

虚拟环境可以为每个项目创建独立的Python环境，避免模块冲突。这对于AI应用开发尤其重要，因为不同的项目可能需要不同版本的库。

实践示例：

# 创建虚拟环境
python -m venv my_ai_project

# 激活虚拟环境 (Windows)
my_ai_project\Scripts\activate

# 激活虚拟环境 (macOS/Linux)
source my_ai_project/bin/activate

# 在虚拟环境中安装模块
pip install tensorflow numpy pandas scikit-learn

# 退出虚拟环境
deactivate

代码示例：

# 在虚拟环境中使用requests模块
import sys
import subprocess

def setup_ai_environment(env_name="ai_project"):
    """
    设置AI开发环境
    :param env_name: 虚拟环境名称
    """
    try:
        # 创建虚拟环境
        print(f"正在创建虚拟环境: {env_name}")
        subprocess.run([sys.executable, "-m", "venv", env_name], check=True)
        print(f"✅ 虚拟环境 {env_name} 创建成功")
        
        # 在虚拟环境中安装AI相关库
        pip_path = f"{env_name}/Scripts/pip" if sys.platform == "win32" else f"{env_name}/bin/pip"
        
        ai_packages = [
            "numpy",
            "pandas",
            "scikit-learn",
            "matplotlib",
            "requests"
        ]
        
        print("正在安装AI相关库...")
        for package in ai_packages:
            print(f"  安装 {package}...")
            subprocess.run([pip_path, "install", package], check=True)
        
        print("✅ 所有AI库安装完成")
        print(f"\n使用以下命令激活虚拟环境:")
        if sys.platform == "win32":
            print(f"{env_name}\\Scripts\\activate")
        else:
            print(f"source {env_name}/bin/activate")
            
    except subprocess.CalledProcessError as e:
        print(f"❌ 执行命令时发生错误: {e}")
    except Exception as e:
        print(f"💥 设置环境时发生未知错误: {e}")

# 运行环境设置 (注意: 这会创建实际的虚拟环境)
# if __name__ == "__main__":
#     setup_ai_environment()
2.3 requirements.txt文件管理

使用requirements.txt文件可以方便地管理项目依赖。

import subprocess
import sys

def generate_requirements_txt(output_file="requirements.txt"):
    """
    生成当前环境的依赖列表
    :param output_file: 输出文件名
    """
    try:
        # 生成依赖列表
        result = subprocess.run(
            [sys.executable, "-m", "pip", "freeze"], 
            capture_output=True, 
            text=True,
            check=True
        )
        
        # 写入文件
        with open(output_file, "w", encoding="utf-8") as f:
            f.write(result.stdout)
        
        print(f"✅ 依赖列表已保存到 {output_file}")
        print("文件内容:")
        print(result.stdout)
        
    except subprocess.CalledProcessError as e:
        print(f"❌ 生成依赖列表时发生错误: {e}")
    except Exception as e:
        print(f"💥 保存文件时发生错误: {e}")

def install_from_requirements(requirements_file="requirements.txt"):
    """
    从requirements.txt文件安装依赖
    :param requirements_file: 依赖文件名
    """
    try:
        print(f"正在从 {requirements_file} 安装依赖...")
        subprocess.run(
            [sys.executable, "-m", "pip", "install", "-r", requirements_file],
            check=True
        )
        print("✅ 依赖安装完成")
        
    except subprocess.CalledProcessError as e:
        print(f"❌ 安装依赖时发生错误: {e}")
    except FileNotFoundError:
        print(f"❌ 找不到文件: {requirements_file}")
    except Exception as e:
        print(f"💥 安装过程中发生未知错误: {e}")

# 使用示例 (取消注释以运行)
# generate_requirements_txt()
# install_from_requirements()

第三章：AI应用开发环境配置

3.1 AI相关库安装

AI应用开发通常需要安装特定的库，如TensorFlow、PyTorch、scikit-learn等。

# 安装TensorFlow
pip install tensorflow

# 安装PyTorch (CPU版本)
pip install torch torchvision torchaudio

# 安装PyTorch (GPU版本，CUDA 11.8)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

# 安装其他常用AI库
pip install scikit-learn pandas numpy matplotlib seaborn jupyter
3.2 Jupyter Notebook配置

Jupyter Notebook是AI开发中常用的工具。

import subprocess
import sys

def setup_jupyter_environment():
    """
    设置Jupyter Notebook环境
    """
    try:
        # 安装Jupyter
        print("正在安装Jupyter...")
        subprocess.run([sys.executable, "-m", "pip", "install", "jupyter"], check=True)
        print("✅ Jupyter安装完成")
        
        # 安装常用的Jupyter扩展
        extensions = [
            "jupyterlab",
            "ipywidgets",
            "jupyter_contrib_nbextensions"
        ]
        
        print("正在安装Jupyter扩展...")
        for extension in extensions:
            print(f"  安装 {extension}...")
            subprocess.run([sys.executable, "-m", "pip", "install", extension], check=True)
        
        print("✅ Jupyter扩展安装完成")
        print("\n使用以下命令启动Jupyter:")
        print("jupyter notebook")
        print("或")
        print("jupyter lab")
        
    except subprocess.CalledProcessError as e:
        print(f"❌ 安装过程中发生错误: {e}")
    except Exception as e:
        print(f"💥 设置Jupyter环境时发生未知错误: {e}")

# 使用示例 (取消注释以运行)
# setup_jupyter_environment()

第四章：常见问题与解决方案

4.1 无法识别pip命令

如果系统无法识别pip命令，可能是环境变量未正确配置。

解决方案：

  1. 检查Python安装路径是否包含在环境变量中。
  2. 确保Scripts文件夹路径也添加到环境变量中。
  3. 使用python -m pip代替pip命令。
import sys
import os

def check_pip_availability():
    """
    检查pip是否可用
    """
    try:
        # 方法1: 直接检查pip
        result = subprocess.run([sys.executable, "-m", "pip", "--version"], 
                              capture_output=True, text=True)
        if result.returncode == 0:
            print("✅ pip可用")
            print(result.stdout.strip())
            return True
        else:
            print("❌ pip不可用")
            return False
    except FileNotFoundError:
        print("❌ 找不到pip命令")
        return False
    except Exception as e:
        print(f"💥 检查pip时发生错误: {e}")
        return False

def fix_pip_path():
    """
    修复pip路径问题
    """
    python_path = sys.executable
    python_dir = os.path.dirname(python_path)
    scripts_dir = os.path.join(python_dir, "Scripts")
    
    print(f"Python路径: {python_path}")
    print(f"Scripts目录: {scripts_dir}")
    
    # 检查Scripts目录是否存在
    if os.path.exists(scripts_dir):
        print("✅ Scripts目录存在")
        # 检查pip.exe是否存在
        pip_exe = os.path.join(scripts_dir, "pip.exe" if sys.platform == "win32" else "pip")
        if os.path.exists(pip_exe):
            print("✅ pip可执行文件存在")
            print(f"建议使用命令: {python_path} -m pip")
        else:
            print("❌ 找不到pip可执行文件")
    else:
        print("❌ Scripts目录不存在")

# 检查pip可用性
if __name__ == "__main__":
    if not check_pip_availability():
        print("\n正在尝试修复...")
        fix_pip_path()
4.2 多版本Python冲突

如果系统中安装了多个Python版本，可能会导致模块安装到错误的环境中。

解决方案：

  1. 使用python3或pip3命令（适用于Linux/macOS）。
  2. 使用python -m pip命令确保模块安装到正确的Python环境中。
  3. 使用虚拟环境隔离不同项目的依赖。
import sys
import subprocess

def check_python_versions():
    """
    检查系统中的Python版本
    """
    print("当前Python版本信息:")
    print(f"  Python版本: {sys.version}")
    print(f"  Python路径: {sys.executable}")
    
    try:
        # 检查是否有python3命令
        result = subprocess.run(["python3", "--version"], 
                              capture_output=True, text=True)
        if result.returncode == 0:
            print(f"  Python3版本: {result.stdout.strip()}")
    except FileNotFoundError:
        print("  未找到python3命令")
    
    try:
        # 检查是否有pip3命令
        result = subprocess.run(["pip3", "--version"], 
                              capture_output=True, text=True)
        if result.returncode == 0:
            print(f"  pip3版本: {result.stdout.strip()}")
    except FileNotFoundError:
        print("  未找到pip3命令")

def install_package_for_specific_python(python_path, package_name):
    """
    为特定Python版本安装包
    :param python_path: Python可执行文件路径
    :param package_name: 包名
    """
    try:
        print(f"正在为 {python_path} 安装 {package_name}...")
        subprocess.run([python_path, "-m", "pip", "install", package_name], 
                      check=True)
        print(f"✅ {package_name} 安装完成")
    except subprocess.CalledProcessError as e:
        print(f"❌ 安装 {package_name} 时发生错误: {e}")
    except Exception as e:
        print(f"💥 安装过程中发生未知错误: {e}")

# 检查Python版本
if __name__ == "__main__":
    check_python_versions()
4.3 网络问题导致安装失败

在中国大陆，由于网络原因，直接使用pip安装包可能会很慢或失败。

解决方案：

  1. 使用国内镜像源
  2. 配置pip默认使用镜像源
# 使用国内镜像源安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ package_name

# 配置pip默认使用镜像源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/

import subprocess
import sys

def setup_china_pip_mirror():
    """
    配置pip使用国内镜像源
    """
    mirrors = [
        "https://pypi.tuna.tsinghua.edu.cn/simple/",
        "https://mirrors.aliyun.com/pypi/simple/",
        "https://pypi.douban.com/simple/",
        "https://pypi.mirrors.ustc.edu.cn/simple/"
    ]
    
    print("可选的国内镜像源:")
    for i, mirror in enumerate(mirrors, 1):
        print(f"  {i}. {mirror}")
    
    try:
        # 配置默认镜像源 (使用清华大学镜像)
        subprocess.run([sys.executable, "-m", "pip", "config", "set", 
                       "global.index-url", mirrors[0]], check=True)
        print(f"✅ 已配置默认镜像源: {mirrors[0]}")
        
        # 配置额外镜像源作为备选
        subprocess.run([sys.executable, "-m", "pip", "config", "set", 
                       "global.extra-index-url", mirrors[1]], check=True)
        print(f"✅ 已配置备选镜像源: {mirrors[1]}")
        
    except subprocess.CalledProcessError as e:
        print(f"❌ 配置镜像源时发生错误: {e}")
    except Exception as e:
        print(f"💥 配置过程中发生未知错误: {e}")

def install_with_mirror(package_name, mirror_url=None):
    """
    使用镜像源安装包
    :param package_name: 包名
    :param mirror_url: 镜像源URL
    """
    if mirror_url is None:
        # 使用默认镜像源
        mirror_url = "https://pypi.tuna.tsinghua.edu.cn/simple/"
    
    try:
        print(f"正在使用镜像源 {mirror_url} 安装 {package_name}...")
        subprocess.run([sys.executable, "-m", "pip", "install", 
                       "-i", mirror_url, package_name], check=True)
        print(f"✅ {package_name} 安装完成")
    except subprocess.CalledProcessError as e:
        print(f"❌ 安装 {package_name} 时发生错误: {e}")
    except Exception as e:
        print(f"💥 安装过程中发生未知错误: {e}")

# 配置国内镜像源 (取消注释以运行)
# setup_china_pip_mirror()

# 使用镜像源安装包 (取消注释以运行)
# install_with_mirror("requests")

第五章：最佳实践与扩展阅读

5.1 最佳实践
  • 始终使用虚拟环境：为每个项目创建独立的虚拟环境，避免模块冲突。
  • 定期更新pip：使用python -m pip install --upgrade pip命令更新pip。
  • 使用requirements.txt管理依赖：通过pip freeze > requirements.txt生成依赖文件，方便项目迁移。
  • 使用国内镜像源：提高包下载速度。
  • 固定版本号：在生产环境中固定依赖包的版本号，确保环境一致性。
import subprocess
import sys

def best_practices_checklist():
    """
    Python环境配置最佳实践检查清单
    """
    checklist = [
        "✅ 使用虚拟环境隔离项目依赖",
        "✅ 定期更新pip到最新版本",
        "✅ 使用requirements.txt管理项目依赖",
        "✅ 配置国内镜像源提高下载速度",
        "✅ 在生产环境中固定依赖版本",
        "✅ 使用pip-tools管理依赖关系",
        "✅ 定期清理未使用的包"
    ]
    
    print("Python环境配置最佳实践检查清单:")
    for item in checklist:
        print(f"  {item}")

def upgrade_pip():
    """
    升级pip到最新版本
    """
    try:
        print("正在升级pip...")
        subprocess.run([sys.executable, "-m", "pip", "install", "--upgrade", "pip"], 
                      check=True)
        print("✅ pip升级完成")
    except subprocess.CalledProcessError as e:
        print(f"❌ 升级pip时发生错误: {e}")
    except Exception as e:
        print(f"💥 升级过程中发生未知错误: {e}")

def clean_unused_packages():
    """
    清理未使用的包
    """
    try:
        print("正在检查未使用的包...")
        # 这里只是一个示例，实际使用中可以结合pip-autoremove等工具
        print("💡 建议使用 pip-autoremove 工具清理未使用的包:")
        print("   pip install pip-autoremove")
        print("   pip-autoremove package_name -y")
    except Exception as e:
        print(f"💥 检查过程中发生错误: {e}")

# 显示最佳实践清单
if __name__ == "__main__":
    best_practices_checklist()
5.2 扩展阅读

总结

本文详细介绍了Python开发环境的搭建、模块安装与管理的方法。通过实践案例和最佳实践建议，读者可以快速掌握Python环境的配置和模块管理技巧。希望本文能为开发者提供实用的参考。

关键要点总结：

  1. 正确安装Python：从官网下载并安装合适版本的Python
  2. 配置环境变量：确保Python和pip命令可以在任何位置使用
  3. 使用虚拟环境：为不同项目创建独立的环境，避免依赖冲突
  4. 管理依赖关系：使用requirements.txt文件管理项目依赖
  5. 解决常见问题：掌握处理pip不可用、多版本冲突等问题的方法
  6. 遵循最佳实践：使用国内镜像源、定期更新工具等

对于AI应用开发者，特别需要注意：

  • 安装适合的AI库（如TensorFlow、PyTorch等）
  • 配置Jupyter Notebook等开发工具
  • 根据硬件选择合适的库版本（CPU/GPU版本）
  • 管理大型依赖库的安装和更新

参考资料

图表展示

架构图
Python安装
环境变量配置
模块安装
虚拟环境使用
常见问题解决

流程图

在这里插入图片描述

graph TD
    A[开始] --> B[安装Python]
    B --> C[配置环境变量]
    C --> D{是否成功？}
    D -->|是| E[安装模块]
    D -->|否| F[检查路径]
    F --> C
    E --> G[使用虚拟环境]
    G --> H[常见问题解决]
    H --> I[结束]

思维导图
Python开发环境搭建
Python安装
环境变量配置
模块安装
虚拟环境使用
常见问题解决
最佳实践
从官网下载
版本选择
PATH配置
验证配置
pip使用
国内镜像
venv创建
环境激活
pip不可用
版本冲突
网络问题
虚拟环境
依赖管理
定期更新

甘特图

2025-08-13 2025-08-14 2025-08-15 2025-08-16 2025-08-17 2025-08-18 2025-08-19 2025-08-20 2025-08-21 2025-08-22 2025-08-23 2025-08-24 2025-08-25 安装Python 配置环境变量 安装基础模块 安装AI库 创建虚拟环境 配置项目依赖 处理pip问题 网络问题处理 Python安装 环境变量配置 模块安装 虚拟环境使用 常见问题解决 添加甘特图来展示项目计划

饼图

在这里插入图片描述

时序图

开发者 Python环境 pip PyPI服务器 安装Python 返回安装结果 配置环境变量 验证配置 安装requests模块 请求模块 返回模块 安装完成 开发者 Python环境 pip PyPI服务器

希望这篇博客能够满足你的需求！如果有任何需要调整的地方，请随时告诉我。

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

【Python开发环境搭建】基于VSCode的Python开发环境配置全流程指南：从安装到调试优化
06-19
其他说明：文章内容详尽，涵盖了从环境搭建到问题解决的全流程，建议读者按照步骤逐一实践，以确保每个环节都能顺利进行。对于初学者，尤其要注意 Python 解释器路径的设置和虚拟环境的使用，这对后续开发非常重要。
【人工智能开发】基于LangChain的开发环境搭建指南：Python虚拟环境配置与OpenAI/HuggingFace模型集成应用
09-16
内容概要：本文详细介绍了LangChain开发环境的快速搭建流程，涵盖LangChain框架的基本概念、系统与硬件要求、Python环境配置、虚拟环境创建及LangChain核心依赖安装方法。文章还演示了如何结合OpenAI和Hugging Face...
人工智能技术AI之Python开发环境搭建
sinat_30844883的博客
08-08 1679
Python是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。 广泛应用于爬虫技术、大数据分析与人工智能应用开发等。
Python安装与环境配置：10分钟搞定AI开发第一步
AladdinEdu，你的AI学习实践工作坊。让想法落地，让研究加速。助力高校AI人才成长，点亮创新未来。
07-18 1263
环境配置是AI开发的第一道门槛，也是90%初学者踩坑的重灾区。本文将用工业级解决方案，带你10分钟构建隔离、可复现的Python开发环境。
30天高效掌握AI大模型的系统学习计划,大模型入门到精通，收藏这篇就足够了！
2301_81940605的博客
09-11 1008
2024年OpenAI吹响“大模型主导未来变革”的号角，掌握AI大模型技术已成为职业发展的关键突破口。本计划融合学习理论与实战路径，助您30天内系统掌握大模型核心技术。
Python入门：Python编译器、Pycharm可视化工具安装应用教程
热门推荐
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
07-23 18万+
本文聚焦 Python 入门必备工具。开篇介绍 Python 编译器的重要性，详细阐述如何下载、安装 Python 编译器，包括官网下载途径及安装过程中的关键步骤与注意事项。随后引入 Pycharm 可视化工具，从官网下载开始，一步步讲解安装流程，如自定义安装路径、创建桌面快捷方式等。还介绍了将 Pycharm 设置为中文界面的方法，助力新手轻松上手 Python 开发，快速搭建起开发环境 。
Vue3安装配置、开发环境搭建(组件安装卸载)（图文详细）
逆境清醒的博客
03-19 13万+
Vue3安装配置、开发环境搭建（图文详细），一、vue的主要安装方式，二、node.js安装和配置，三、npm 安装vue 和脚手架、webpack模板，四、打开Vue 项目管理器，五、创建运行 vue 3 项目，六、使用TypeScript进行开发 Vue3 的代码，七、vue及组件的卸载，八、vue项目结构，九、Vue 安装过程中遇到的问题记录
在Eclipse中搭建Python开发环境的完整指南
weixin_35728286的博客
05-04 963
PyDev是一个强大的Eclipse插件，专为Python语言开发而设计。它提供了一整套的开发工具，包括语法高亮、代码自动补全、调试器、代码分析器以及交互式控制台等。PyDev插件的安装是开始Python项目之前的重要步骤，它将让Eclipse变成一个功能完备的Python集成开发环境（IDE）。为了保持代码风格的一致性，您可以在PyDev中设置自定义的代码格式化器。
Python环境安装与虚拟环境配置详解
Melon的博客
06-09 2062
《Python多平台开发环境安装指南》摘要 本文为Python开发者提供Windows、macOS和Linux三大系统的详细安装教程与虚拟环境配置方法。主要内容包括：1) Windows系统通过官方安装程序和Chocolatey安装；2) macOS使用Homebrew、官方安装程序等途径；3) Ubuntu通过APT/PPA仓库安装；4) CentOS通过EPEL/IUS仓库配置。同时详细介绍了venv和Conda虚拟环境创建的最佳实践，并提供了环境变量配置、多版本共存等常见问题的解决方案。文档包含快速安
搭建灰帽Python开发环境的终极指南
weixin_35899324的博客
03-17 390
本文是关于如何搭建灰帽Python开发环境的详细指南。介绍了操作系统的要求，如何在Windows和Linux平台上安装Python 2.5，以及如何设置Eclipse集成开发环境和PyDev插件。文中还特别强调了ctypes库的使用，这是一个让Python开发者能够调用动态链接库中函数的强大工具。文章旨在为读者提供一个稳固的基础，以便能够深入学习灰帽Python编程的艺术。
10分钟搞定！VS Code配置Python开发环境指南（2025新版）
qq_17153885的博客
05-11 9894
本文将手把手教你如何在VSCode中配置Python开发环境，涵盖从基础安装到进阶配置的完整流程，并附上常见问题解决方案，帮助你快速构建一个高效、稳定的Python开发环境。
从零开始搭建Python开发环境：系统级深度指南及开发环境故障全解
weixin_69882801的博客
02-20 864
在Windows开发的虚拟环境无法在Linux运行。：使用Docker进行环境封装。
python入门指南：环境搭建、基础语法与进阶应用
12-28
使用场景及目标：① 快速搭建Python开发环境；② 掌握Python的基本语法和数据结构；③ 进一步了解文件操作、模块和包的使用方法；④ 利用丰富的学习资源继续深入学习Python编程。 阅读建议：边读边动手实践，通过...
javascript 性能优化实战：异步和延迟加载
小伙伴们全都Lucky！
12-11 789
本文探讨JavaScript性能优化中的异步加载与延迟加载技术。异步加载通过async/defer属性或动态创建script元素避免阻塞渲染；延迟加载则利用IntersectionObserver API按需加载非关键资源。二者结合可显著提升性能：异步加载核心脚本确保交互流畅，延迟加载减少初始请求量。实践表明，该方案能降低DOMContentLoaded时间30%以上，减少初始加载量90%，但需注意async脚本的执行顺序问题和延迟加载的回退处理。文中提供了完整的代码实现示例。
深度学习下载包时可能会遇到的问题及解决方案
m0_50481455的博客
12-09 490
若确实下载安装了CUDA ，但是此时输出的CUDA是否可用为否，应该是torch的版本为cpu版本导致，刚刚的下载包的语句如果总是下载的是cpu版本，我们考虑直接去网站下指定包，再进行安装。CUDA Version表示的是驱动支持的最高 CUDA 版本，去官网下载 CUDA ，我这里是12.2，表示下载的版本最大只能是12.2。然后下载包时，比如本地环境是Python3.9，找包下载时候，3.9要下对应cp39的包。下载好后，执行语句安装。
Python 海象运算符
这是一个c++热爱者的博客哟
12-08 666
Python 3.8引入的海象运算符(:=)允许在表达式中进行变量赋值，能有效减少重复代码。它特别适用于循环条件、列表推导式等场景，如while (line := file.readline()):可简化文件读取操作。使用时需注意：必须加括号，避免在复杂表达式中过度使用以免降低可读性。虽然该特性能精简代码，但应遵循团队约定，在保持代码清晰的前提下合理使用。
Python 语言编码规范
托塔天王的博客
12-11 928
通常， 不应该描述”怎么做”， 除非是一些复杂的算法，文档字符串应该提供足够的信息， 当别人编写代码调用该函数时，他不需要看一行代码，只要看文档字符串就可以了，对于复杂的代码，在代码旁边加注释会比使用文档字符串更有意义。但是，不要使用一个以上的空格，并且在二元运算符的两边使用相同数量的空格。当捕获异常时， 使用as而不要用逗号。3、 关于函数的几个方面应该在特定的小节中进行描述记录， 这几个方面如下文所述，每节应该以一个标题行开始，标题行以冒号结尾，除标题行外， 节的其他内容应被缩进2个空格。
Cisco 200-901 DEVASC 認證考試
2503_94018152的博客
12-08 964
Cisco 200-901 DEVASC考试是Cisco DevNet Associate认证的核心科目，聚焦网络自动化、API开发及Cisco平台集成。考试涵盖软件开发、API应用、网络基础等6大领域，费用300美元，时长120分钟。该认证适合希望掌握网络自动化技能的IT人员，需具备Python基础，但无需实体设备。作为DevNet认证体系的入门级考试，200-901为工程师开启通往高级自动化认证的大门，符合当前IT行业向自动化转型的趋势。
Python LangChain 开发问题：ImportError: Unable to import langchain_anthropic.
最新发布
weixin_52173250的博客
12-12 106
Python LangChain 开发问题：ImportError: Unable to import langchain_anthropic.
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

CarlowZJ

我的文章对你有用的话，可以支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值