第2章 Python基础环境搭建

第2章：Python基础环境搭建

好，咱们正式开始动手了。

上一章聊完了整体课程规划，这一章咱们先把地基打牢。说白了，就是装好Python，配好源，建个干净的虚拟环境。别小看这一步，我见过太多同学后面跑YOLO时各种报错，追根溯源都是环境没搭好。

为什么强调3.8以上？因为OpenCV和YOLO的很多新特性，在3.6甚至3.7上跑起来会有点别扭。我个人习惯用3.9或3.10，稳定且兼容性好。

安装时有个关键点——记得勾选「Add Python to PATH」。嗯，这一步很多人会忘，结果后面在命令行里敲python死活找不到命令。我曾经帮一个学员远程调试，折腾了半小时才发现是这问题。

⚠️ 注意：Windows用户安装时，如果系统已预装Python（比如某些开发板或虚拟机），建议先卸载干净再装新版。否则两个版本混在一起，pip指向谁都不清楚。

装完后验证一下，打开终端（CMD或PowerShell），输入：

python --version

如果显示 Python 3.9.x 或类似信息，恭喜，第一步搞定。

pip是Python的包管理器，但默认源在国外。你想想看，每次下载一个几十MB的包，等上几分钟甚至超时，多耽误事。

我建议换成国内镜像。常用的有清华、阿里、中科大等。我个人偏爱清华源，速度快且稳定。

临时使用（一次有效）：

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

永久配置（推荐）：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

配置完后，可以查看当前源：

pip config list

💡 小技巧：如果你在公司内网或学校网络，可能还需要配置代理。我曾经在某个客户现场，网络策略严格到连pip都连不上，最后只能离线下载whl文件手动安装。所以，有条件的话提前确认网络环境。

为什么要虚拟环境？说白了，就是隔离依赖。你同时做两个项目，一个用OpenCV 4.5，另一个用OpenCV 4.8，如果没有虚拟环境，它们会打架。

我推荐两种方式：

创建环境：

python -m venv opencv_yolo_env

激活环境：

激活后，终端前面会出现 (opencv_yolo_env) 字样，说明你已经在虚拟环境里了。

如果你装了Anaconda或Miniconda，可以这样：

conda create -n opencv_yolo_env python=3.9

激活：

conda activate opencv_yolo_env

  🔑 关键区别：venv只管理Python包，conda还能管理非Python的依赖（比如CUDA、cuDNN）。做YOLO训练时，我强烈建议用conda，因为后面装GPU版OpenCV或PyTorch时，conda会自动处理底层库的版本冲突。

环境建好了，咱们得确认它真的能用。我一般会跑一个小测试：

python -c "import numpy; print('NumPy version:', numpy.__version__)"

如果没报错，说明Python和pip都正常。接着装个OpenCV试试：

pip install opencv-python

然后验证：

python -c "import cv2; print('OpenCV version:', cv2.__version__)"

看到类似 4.8.1 这样的版本号，就说明环境搭建成功了。

⚠️ 常见坑：如果你在虚拟环境里装包，但启动Python时发现import失败，八成是没激活环境。我曾经有一次在服务器上调试，明明装了包却一直报ModuleNotFoundError，折腾半天才发现是在base环境里运行的脚本。嗯，这种低级错误，犯过一次就记住了。

这一章咱们干了三件事：装Python、配镜像源、建虚拟环境。看起来简单，但这是后面所有实验的基础。你想想看，如果地基没打牢，后面YOLO训练到一半报个依赖错误，那才叫崩溃。

下一章，咱们开始装OpenCV和YOLO的核心库。到时候你会感谢今天认真搭环境的自己。

公众号:蓝海资料掘金营，微信deep3321