第2章：环境搭建与工具准备

说实话，每次带新人入门，我最怕的就是环境搭建这一步。明明代码逻辑都讲清楚了，结果卡在装包上，一卡就是半天。我自己也踩过不少坑，所以这一章咱们就踏踏实实把地基打牢。

2.1 Python环境：选对版本很重要

我个人习惯用Python 3.8或3.9。为什么？因为TensorFlow和PyTorch对这两个版本支持最稳定。你想想看，要是装了个Python 3.12，结果发现某个库还没适配，那多闹心。

我建议直接用Anaconda来管理环境。它自带conda包管理器，虚拟环境切换特别方便。我在项目中遇到过好几次因为包版本冲突导致模型训练报错，后来全靠conda虚拟环境才搞定。

2.2 创建虚拟环境

这一步千万别偷懒。我见过太多人直接在base环境里装包，最后搞得一团糟。咱们来一步步操作：

# 创建环境
conda create -n lstm_attention python=3.9

# 激活环境
conda activate lstm_attention

# 升级pip
pip install --upgrade pip

嗯，这里要注意：环境名字最好起得有意义。比如我们这个课程，就叫lstm_attention，一看就知道是干嘛的。

2.3 TensorFlow安装

TensorFlow 2.x版本和1.x差别很大。咱们直接用最新的2.13或2.14。为什么？因为Keras已经深度集成进去了，写LSTM模型特别顺手。

# CPU版本（大多数情况够用）
pip install tensorflow==2.13.0

# GPU版本（需要CUDA和cuDNN）
pip install tensorflow-gpu==2.13.0

2.4 PyTorch安装

PyTorch的安装相对友好一些。我个人更偏爱PyTorch做研究，它的动态图机制调试起来特别方便。你想想看，写LSTM的时候，中间想打印个张量看看，PyTorch直接就能打断点，TensorFlow就得用tf.print，麻烦不少。

# 去官网选对应命令：https://pytorch.org
# CPU版本
pip install torch torchvision torchaudio

# CUDA 11.8版本
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

import torch
print(torch.__version__)
print(torch.cuda.is_available())  # 看看GPU能不能用

2.5 Jupyter Notebook配置

Jupyter Notebook是我们做实验的好帮手。边写代码边看结果，还能加markdown笔记，特别适合咱们这个课程。

# 安装Jupyter
pip install jupyter notebook

# 配置内核（让Jupyter能识别我们的虚拟环境）
pip install ipykernel
python -m ipykernel install --user --name lstm_attention --display-name "LSTM_Attention"

启动Jupyter：

jupyter notebook

然后在浏览器里新建一个Notebook，记得选内核为"LSTM_Attention"。这样你装的TensorFlow和PyTorch都能直接import进来。

2.6 其他必备库

除了深度学习框架，还有一些库是咱们做LSTM和Attention必须装的：

2.7 知识体系总览

下面这张图帮你理清本章的核心逻辑。说白了，就是先搭好Python环境，再装深度学习框架，最后配上Jupyter这个实验台。

2.8 验证安装

最后，咱们写个简单脚本验证一下所有东西是否装好：

import tensorflow as tf
import torch
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

print("TensorFlow版本:", tf.__version__)
print("PyTorch版本:", torch.__version__)
print("NumPy版本:", np.__version__)
print("Pandas版本:", pd.__version__)

# 验证GPU
print("TensorFlow检测GPU:", tf.config.list_physical_devices('GPU'))
print("PyTorch检测GPU:", torch.cuda.is_available())

print("✅ 环境搭建完成！")

如果所有版本都正常显示，GPU也能检测到，那恭喜你，环境已经搭好了。咱们就可以正式开始LSTM和Attention的实战之旅了。