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
- 确保Python已添加到系统PATH
- 验证安装：
python --version pip --version
IDE选择与配置
VSCode（推荐）
- 下载安装VSCode
- 安装Python扩展
- 配置Python解释器
- 推荐安装的扩展：
- Python
- Jupyter
- Python Indent
- Python Docstring Generator
PyCharm
- 下载安装PyCharm
- 配置Python解释器
- 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）
-
下载安装Anaconda或Miniconda
-
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
- 建议为每个项目创建独立的虚拟环境
- 定期更新包管理器：
python -m pip install --upgrade pip conda update conda # 如果使用conda - 保持良好的环境管理习惯，避免环境混乱
- 记录项目依赖，方便环境复现
- 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。
