Chapter 2：Python 开发环境¶
Python Development Environment¶
1. 学习目标¶
完成本章学习后，你应该能够：
- 理解 Python 开发环境组成
- 安装 Miniconda
- 创建 Conda 虚拟环境
- 使用 VS Code 开发 Python 项目
- 安装 PyTorch
- 配置 CUDA（可选）
- 独立搭建实验室统一开发环境
2. 为什么需要统一开发环境？¶
统一开发环境能够：
- 减少环境配置问题
- 保证代码可复现
- 方便团队协作
- 提高开发效率
实验室所有项目均建议使用统一的软件版本。
3. 推荐开发环境¶
| 软件 | 推荐版本 | 是否必须 |
|---|---|---|
| Windows 11 / Ubuntu 22.04 | 最新稳定版 | ✓ |
| Python | 3.11 | ✓ |
| Miniconda | 最新版 | ✓ |
| Git | 最新版 | ✓ |
| VS Code | 最新版 | ✓ |
| CUDA Toolkit | 与 PyTorch 对应 | GPU 用户 |
| PyTorch | 官方稳定版 | ✓ |
4. 软件安装顺序¶
建议严格按照以下顺序安装：
Git
↓
Miniconda
↓
Python Environment
↓
VS Code
↓
PyTorch
↓
CUDA（GPU 用户）
5. 必装软件¶
Git¶
官方网站：
作用：
- 管理源码
- 下载 GitHub 项目
- 版本控制
Miniconda¶
官方网站：
作用：
- Python 环境管理
- 包管理
- 虚拟环境管理
建议优先使用 Miniconda，而不是 Anaconda。
VS Code¶
官方网站：
https://code.visualstudio.com/
推荐安装插件：
- Python
- Pylance
- Jupyter
- GitHub Copilot（可选）
- Markdown All in One
6. 创建统一环境¶
例如统一环境名称：
mdai
创建环境：
conda create -n mdai python=3.11
激活环境：
conda activate mdai
查看环境：
conda env list
7. 安装 PyTorch¶
请访问官方安装页面：
https://pytorch.org/get-started/locally/
根据自己的操作系统和 CUDA 版本生成安装命令。
安装完成后验证：
import torch
print(torch.__version__)
print(torch.cuda.is_available())
8. 推荐目录结构¶
建议在本地建立统一开发目录。
AI_Workspace/
├── Projects/
├── Datasets/
├── Models/
├── Learning/
├── Papers/
└── Tools/
其中：
- Projects：GitHub 项目
- Datasets：数据集
- Models：模型文件
- Learning：学习资料
- Papers：论文
- Tools：工具软件
9. Python 包管理¶
建议优先使用：
conda install
其次使用：
pip install
避免混合安装导致依赖冲突。
安装新包前，建议先查看官方文档。
10. 常用开发工具¶
建议熟悉以下工具：
| 工具 | 用途 |
|---|---|
| VS Code | 代码开发 |
| Jupyter Notebook | 实验验证 |
| GitHub Desktop（可选） | Git 图形界面 |
| Terminal | 命令行操作 |
11. 环境导出与共享¶
导出当前环境：
conda env export > environment.yml
恢复环境：
conda env create -f environment.yml
建议所有科研项目均提供 environment.yml 文件。
12. 推荐学习资源¶
Python 官方¶
Miniconda¶
PyTorch¶
VS Code¶
https://code.visualstudio.com/
13. 本章实践¶
请完成以下任务：
任务一¶
安装 Git。
任务二¶
安装 Miniconda。
任务三¶
创建 mdai 虚拟环境。
任务四¶
安装 VS Code，并安装推荐插件。
任务五¶
安装 PyTorch，并验证 GPU 是否可用。
任务六¶
建立本地 AI_Workspace 工作目录。
14. 本章总结¶
完成本章后，你应该已经能够：
- 独立搭建 AI 开发环境
- 管理 Python 虚拟环境
- 使用 VS Code 编写 Python 程序
- 安装和使用 PyTorch
- 为后续课程做好准备
下一章¶
下一章学习：
Chapter 3：Hugging Face
主要内容：
- Hugging Face 平台介绍
- Model Hub
- Dataset Hub
- Spaces
- Transformers
- 模型下载与使用
- 实验室模型管理规范
完成后，你将能够熟练使用 Hugging Face 平台获取和管理 AI 模型与数据集。