第1章：环境准备——Python环境安装、pip与conda包管理、虚拟环境创建与使用

说实话，很多新手学AI，第一步就卡在环境配置上。

我见过太多人，模型代码都写好了，结果跑起来报错——"ModuleNotFoundError"、"Python版本不对"、"依赖冲突"... 嗯，这些坑我当年全踩过。今天这一章，咱们就把环境准备这件事彻底搞定。

1.1 Python安装：选对版本很重要

Python版本怎么选？我个人建议：不要追新，也不要太旧。

目前AI领域最稳的是Python 3.8到3.11。我目前在用的就是3.10.11，兼容性最好。你想想看，如果装了个3.12，很多老库还没适配，跑起来全是坑。

下载地址：https://www.python.org/downloads/

安装时记得勾选："Add Python to PATH"。这个选项不勾，后面命令行里打python会找不到。我刚开始学的时候就忘了勾，折腾了半小时...

1.2 pip包管理：最常用的工具

pip是Python自带的包管理器。说白了，就是帮你下载、安装、卸载第三方库的工具。

常用命令一览：

# 安装包
pip install numpy

# 指定版本安装
pip install numpy==1.24.3

# 安装多个包
pip install numpy pandas matplotlib

# 查看已安装的包
pip list

# 查看某个包的详细信息
pip show numpy

# 卸载包
pip uninstall numpy

# 导出当前环境的所有包
pip freeze > requirements.txt

# 从文件批量安装
pip install -r requirements.txt

1.3 conda包管理：更强大的选择

pip虽然好用，但有个问题——它只管Python包。如果你需要管理不同版本的Python，或者需要安装一些非Python的依赖（比如CUDA），pip就力不从心了。

这时候，conda就派上用场了。

conda是Anaconda发行版自带的包管理器。它不仅能管理Python包，还能管理Python版本本身，甚至能管理C/C++库。

特性	pip	conda
管理范围	仅Python包	Python包 + 系统依赖
Python版本管理	不支持	支持
依赖冲突处理	较弱	较强
适用场景	轻量级项目	复杂项目、多版本管理

我个人习惯：日常小项目用pip，涉及深度学习框架（PyTorch、TensorFlow）时用conda。因为conda能自动处理CUDA等底层依赖，省心很多。

1.4 虚拟环境：隔离才是王道

你有没有遇到过这种情况：项目A需要numpy 1.20，项目B需要numpy 1.24。如果装在一个环境里，必然冲突。

虚拟环境就是解决这个问题的。每个项目有自己的独立环境，互不干扰。

1.4.1 使用venv创建虚拟环境

venv是Python自带的虚拟环境工具，不需要额外安装。

# 创建虚拟环境（在当前目录下生成 venv 文件夹）
python -m venv myenv

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

# 激活虚拟环境（Mac/Linux）
source myenv/bin/activate

# 退出虚拟环境
deactivate

激活后，命令行前面会出现 (myenv) 字样，说明你已经在虚拟环境里了。这时候安装的所有包，都只在这个环境里生效。

1.4.2 使用conda创建虚拟环境

如果你装了Anaconda或Miniconda，用conda创建环境更方便：

# 创建环境并指定Python版本
conda create -n myenv python=3.10

# 激活环境
conda activate myenv

# 安装包
conda install numpy pandas

# 查看所有环境
conda env list

# 删除环境
conda remove -n myenv --all

# 退出环境
conda deactivate

1.5 实战：搭建一个AI项目环境

咱们来走一遍完整流程。假设你要做一个图像分类项目：

# 1. 创建项目文件夹
mkdir image_classifier
cd image_classifier

# 2. 创建虚拟环境（用conda）
conda create -n img_cls python=3.10

# 3. 激活环境
conda activate img_cls

# 4. 安装依赖
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
pip install matplotlib numpy pillow

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

如果最后一行输出了版本号，恭喜你，环境配置成功了！

1.6 避坑指南

这些年我踩过的坑，总结一下：

• 路径有中文：Python对中文路径支持不好，项目路径和用户名最好用英文。我曾经因为用户名是中文，装包时各种报错...
• 混用pip和conda：在conda环境里用pip装包没问题，但反过来（在pip环境里用conda）会出问题。建议一个项目只用一种管理方式。
• 忘记激活环境：很多人装完包发现还是找不到，一看——环境没激活。激活后命令行前面会有环境名提示，养成看一眼的习惯。
• 版本锁死：项目完成后记得用 pip freeze > requirements.txt 导出依赖，方便别人复现。我有个项目就是因为没锁版本，半年后跑不起来了...

1.7 本章小结

环境准备说白了就三件事：

1. 装对Python版本（推荐3.10）
2. 学会用pip或conda装包
3. 每个项目建一个虚拟环境

这三件事做好了，后面90%的环境问题都不会遇到。嗯，咱们下一章开始讲真正的AI模型部署，到时候你就知道环境准备有多重要了。

---

公众号:蓝海资料掘金营，微信deep3321