第1章：环境搭建——磨刀不误砍柴工
各位同学，我是你们的老朋友。做神经信号处理这些年，我踩过最多的坑，就是环境配置。说实话，一个干净、稳定的开发环境，比选什么模型都重要。今天咱们就把这套工具链彻底搞定。
1.1 为什么选Anaconda？
你可能要问：直接用pip装不行吗？我刚开始也这么想。直到有一次，我在一个项目里同时需要TensorFlow 1.x和2.x，结果两个版本互相打架，搞得我三天没睡好觉。
Anaconda的好处，说白了就是三点：
- 环境隔离：每个项目一个虚拟环境，互不干扰
- 包管理省心：conda install比pip稳得多，尤其对于科学计算库
- 自带常用库：numpy、scipy、matplotlib这些，装好就有
1.2 安装Anaconda
去官网下载对应系统的安装包。我习惯用64位版本，现在基本没人用32位了。
安装时注意两点：
- 路径不要有中文——我见过有人装在"程序文件"目录下，后面各种报错
- 勾选"Add Anaconda to PATH"——虽然安装程序会警告，但加上更方便
装完后，打开终端（Windows用Anaconda Prompt），输入：
conda --version如果看到版本号，恭喜你，第一步完成了。
1.3 创建虚拟环境
我个人习惯，每个大项目建一个独立环境。比如这个课程，我建议叫neural_signal：
conda create -n neural_signal python=3.9这里选Python 3.9，是因为它跟TensorFlow 2.x和PyTorch 1.x都兼容得很好。我试过3.11，有些老库还不支持。
激活环境：
conda activate neural_signal你会看到命令行前面多了(neural_signal)，说明已经进入虚拟环境了。
1.4 安装深度学习框架
这里我推荐两个都装。为什么？因为不同任务适合不同框架。比如做时序模型，我更喜欢PyTorch的动态图；但部署时，TensorFlow的SavedModel格式更友好。
安装TensorFlow
pip install tensorflow==2.10.0注意：如果你有NVIDIA显卡，先装CUDA和cuDNN。我踩过的坑是：TensorFlow 2.10是最后一个支持GPU的版本，之后的版本只支持Windows上的DirectML。所以如果你用Linux，可以装2.11以上。
安装PyTorch
去PyTorch官网，根据你的系统选命令。一般是这样：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118这里cu118表示CUDA 11.8。如果你没有GPU，去掉--index-url那部分就行。
验证安装
写个简单脚本测试一下：
import tensorflow as tf
import torch
print("TensorFlow version:", tf.__version__)
print("PyTorch version:", torch.__version__)
# 测试TensorFlow
print("TF GPU available:", tf.config.list_physical_devices('GPU'))
# 测试PyTorch
print("PyTorch CUDA available:", torch.cuda.is_available())如果输出显示GPU可用，那你的环境就完美了。如果没有GPU也别灰心，CPU也能跑，就是慢点。
1.5 安装MNE库
MNE是处理脑电/脑磁信号的利器。我第一次接触它，是在处理一个癫痫患者的EEG数据时。当时用MATLAB处理，代码又臭又长。换成MNE后，几行代码就搞定了。
安装很简单：
pip install mne验证一下：
import mne
print(mne.__version__)MNE自带了一些示例数据，我们可以用它来测试：
# 加载示例数据
sample_data_folder = mne.datasets.sample.data_path()
print("Sample data path:", sample_data_folder)如果没报错，说明MNE安装成功，而且示例数据也下载好了。
import locale; locale.setlocale(locale.LC_ALL, 'en_US.UTF-8')。
1.6 知识体系总览
下面这张图，是我自己总结的环境搭建全流程。你可以把它当作一个检查清单：
1.7 完整环境检查清单
最后，给你一个自检表。每完成一项，打个勾：
| 序号 | 检查项 | 验证命令 | 预期结果 |
|---|---|---|---|
| 1 | Anaconda安装 | conda --version |
显示版本号 |
| 2 | 虚拟环境创建 | conda env list |
看到neural_signal环境 |
| 3 | TensorFlow安装 | python -c "import tensorflow; print(tensorflow.__version__)" |
显示2.x版本 |
| 4 | PyTorch安装 | python -c "import torch; print(torch.__version__)" |
显示1.x或2.x版本 |
| 5 | MNE安装 | python -c "import mne; print(mne.__version__)" |
显示1.x版本 |
| 6 | GPU可用性 | 运行验证脚本 | 显示GPU设备列表 |
好了，环境搭建就到这里。记住，这一步虽然枯燥，但值得花时间做好。后面咱们处理神经信号时，你会发现今天的所有努力都是值得的。