第一章：Python与AI开发环境搭建

各位同学好，我是你们这门课的老朋友。做嵌入式AI这几年，我踩过最多的坑，其实不是算法本身，而是环境搭建。你想想看，一个库版本不对，可能折腾你一下午。所以第一章，咱们先把地基打牢。

1.1 为什么选Anaconda？

我刚开始做AI时，用的是系统自带的Python。后来项目多了，发现一个要TensorFlow 1.x，一个要PyTorch 2.0，版本冲突搞得我头大。Anaconda说白了就是一个环境管家，它能帮你创建多个独立的Python小房间，每个房间装不同的库版本，互不干扰。

我个人习惯用Miniconda——它是Anaconda的轻量版，只保留核心功能。如果你硬盘空间紧张，选Miniconda准没错。

1.2 安装步骤速览

1. 下载安装包：去官网下载对应系统的安装器。Windows选64位，Linux选.sh文件。
2. 一路默认安装：路径不要有中文和空格。我见过有人装在「D:\程序\AI工具」里，结果后面各种报错。
3. 验证安装：打开终端（Windows用Anaconda Prompt），输入conda --version，看到版本号就对了。

1.3 创建虚拟环境

这一步很关键。我建议每个大项目都建一个独立环境。比如咱们这门课，我推荐用Python 3.9，兼容性最好。

# 创建环境，名字叫 ai_motion，Python版本3.9
conda create -n ai_motion python=3.9

# 激活环境
conda activate ai_motion

# 退出环境
conda deactivate

激活后，终端前面会出现 (ai_motion) 字样。嗯，看到这个就说明你已经在独立小房间里了。

1.4 PyTorch与TensorFlow安装

这两个是AI框架的「双子星」。PyTorch在学术界更流行，TensorFlow在工业界部署更成熟。咱们做运动控制，两个都得会。

安装PyTorch

去PyTorch官网，选择你的系统、包管理器（conda）、CUDA版本。如果你没有NVIDIA显卡，选CPU版本就行。

# 以CPU版本为例
conda install pytorch torchvision torchaudio cpuonly -c pytorch

# 验证安装
python -c "import torch; print(torch.__version__)"

我记得第一次装PyTorch时，忘了加 -c pytorch，结果从默认源下载慢得要死。后来改用清华镜像，速度快了10倍。

安装TensorFlow

# 安装TensorFlow 2.x
pip install tensorflow

# 验证
python -c "import tensorflow as tf; print(tf.__version__)"

1.5 Jupyter Notebook配置

Jupyter Notebook是我最常用的交互式开发工具。写代码、看结果、画图，全在一个网页里搞定。

# 安装Jupyter
conda install jupyter

# 启动
jupyter notebook

启动后浏览器会自动打开。如果你像我一样喜欢用VS Code，也可以装Jupyter插件，直接在编辑器里写Notebook。

这里有个小技巧：把虚拟环境注册到Jupyter内核里，这样切换环境时不用来回重启。

# 在激活的虚拟环境中执行
conda install ipykernel
python -m ipykernel install --user --name ai_motion --display-name "AI Motion"

之后在Jupyter的「Kernel -> Change kernel」里就能看到「AI Motion」了。

1.6 OpenCV与串口库安装

做运动控制，摄像头和串口是标配。OpenCV处理图像，串口库和单片机通信。

安装OpenCV

pip install opencv-python

# 验证
python -c "import cv2; print(cv2.__version__)"

OpenCV的安装一般很顺利。但如果你在Linux上遇到 libGL.so.1 报错，那是缺少图形库，执行 sudo apt install libgl1-mesa-glx 就行。

安装串口库

pip install pyserial

# 验证
python -c "import serial; print(serial.__version__)"

串口调试时，我建议用 serial.tools.list_ports 先扫描一下可用端口，避免手写端口号写错。

import serial.tools.list_ports
ports = serial.tools.list_ports.comports()
for port in ports:
    print(port.device)

1.7 知识体系总览

下面这张图，是我自己画的环境搭建全流程。你可以把它当作一个检查清单，装完一项勾一项。

1.8 验证你的环境

装完所有东西后，我建议你跑一个简单的测试脚本，确保所有库都能正常导入。

# test_env.py
import torch
import tensorflow as tf
import cv2
import serial

print("PyTorch版本:", torch.__version__)
print("TensorFlow版本:", tf.__version__)
print("OpenCV版本:", cv2.__version__)
print("PySerial版本:", serial.__version__)
print("✅ 所有库安装成功！")

如果看到绿色对勾，恭喜你，环境搭建完成。如果报错，别慌——99%的问题都是版本冲突或路径问题。检查一下虚拟环境是否激活，或者换个源重新安装。

---