Skip to content

附录:为你的 AI 项目建立独立“车库” - Conda 与虚拟环境简介

恭喜你完成了核心主线教程!你现在拥有了一套功能完备的 Python 科研环境。目前,我们所有的库(numpy, pandas 等)都安装在同一个“大仓库”里,我们称之为全局环境 (Global Environment)

对于入门来说,这完全足够了。但当你开始处理更复杂的、多个不同的项目时,一个潜在的“噩梦”正在悄悄逼近。

1. “噩梦”场景:依赖冲突

想象一下这两个场景:

  • 场景一:复现旧论文 你找到了两年前一篇顶会论文的开源代码,想复现它的结果。但代码的 requirements.txt 文件里写着,它必须在 tensorflow==1.15 这个旧版本下运行。而你为了学习最新的 AI 技术,已经在你的全局环境里装了 tensorflow==2.10。如果你卸掉新的装旧的,你自己的新项目就跑不起来了。怎么办?

  • 场景二:团队协作 你和师兄合作一个项目。你本地的 pandas 版本是 2.0,而师兄用的是 1.5。某天,你用了一个只有 2.0 版本才有的新函数,把代码发给师兄,他的电脑上立刻报错。你们花了一下午才找到这个微小的版本差异。

这些问题,都指向同一个根源:所有项目共享一个环境,导致库的版本互相干扰。我们称之为依赖冲突

2. 解决方案:虚拟环境 (Virtual Environments)

为了解决这个问题,社区提出了一个绝妙的概念:虚拟环境

你可以把你的电脑想象成一栋大楼。全局环境就像是这栋楼的公共大厅。而虚拟环境,就像是为每一个项目,在这栋楼里单独开辟一个带门禁的、独立的房间

  • 每个“房间”内部,都可以安装自己专属的 Python 版本和各种库,版本完全独立。
  • 项目 A 的房间里装 tensorflow-1.15,项目 B 的房间里装 tensorflow-2.10,它们互不干扰,岁月静好。

当你需要为某个项目工作时,你只需要“刷卡进入”对应的房间(激活环境),就可以使用那套专属的工具了。

3. Conda:你的“房间”管理员

Conda 就是市面上最强大、最流行的“房间管理员”之一。它是一个开源的包管理和环境管理系统,尤其受到科研和数据科学界的青睐。

我们将使用 Miniconda,它是 Conda 的一个轻量级安装程序。

第一步:安装 Miniconda

Miniconda 官方文档与下载

Miniconda 官方文档与下载

轻量、纯净的 Conda 环境管理器。推荐从此下载。

访问上述链接,下载对应你操作系统的最新版 Miniconda 安装包,然后像安装普通软件一样完成安装。在安装过程中,如果询问是否将 Conda 初始化,请选择“是 (Yes)”。

安装完成后,重新打开你的命令行 (PowerShell/Terminal),你应该会看到提示符前面出现了一个 (base) 的字样。这表示你正处于 Conda 的“基础”环境中。

第二步:Conda 核心四连

Conda 的日常使用,你只需要记住四个核心命令:

  1. 创建环境 假设我们要为一个新的深度学习项目创建一个环境,并指定使用 Python 3.10:

    bash
    conda create -n deep-learning-project python=3.10
    • create: 创建命令
    • -n: name 的缩写,后面跟着你的环境名称 deep-learning-project
    • python=3.10: 指定这个环境里 Python 的版本
  2. 激活环境 创建完成后,我们需要“进入”这个房间:

    bash
    conda activate deep-learning-project

    你会看到命令行提示符前面的 (base) 变成了 (deep-learning-project)

  3. 在环境中安装包 现在,你在这个环境里安装的所有东西,都只属于这个“房间”:

    bash
    conda install numpy pandas tensorflow
    # 或者也可以继续使用 pip
    # pip install numpy pandas tensorflow
  4. 退出环境 当你完成了这个项目的工作,想回到“公共大厅”时:

    bash
    conda deactivate

    提示符会从 (deep-learning-project) 变回 (base)


附赠命令:

  • conda env list: 查看你创建的所有“房间”列表。
  • conda remove -n deep-learning-project --all: 删除整个环境(删房间)。

4. 在 VS Code 中使用 Conda 环境

VS Code 与 Conda 的集成本身就非常出色。当你用 Conda 创建了新环境后,只需要:

  1. 在 VS Code 中打开你的项目文件夹。
  2. 按下 Ctrl + Shift + P (Windows) 或 Cmd + Shift + P (macOS) 打开命令面板。
  3. 输入 Python: Select Interpreter
  4. 在弹出的列表中,VS Code 会自动检测到你用 Conda 创建的所有环境!你只需要选择 deep-learning-project 那个即可。

之后,VS Code 的所有操作(运行、调试、终端)都会自动在这个指定的 Conda 环境中进行了。

总结

现在,你不仅掌握了让代码跑起来的基础技能,更学会了如何为你的项目构建一个干净、独立、可复现的专业环境。

养成“为每个项目创建一个专属虚拟环境”的习惯,将是你从编程新手迈向专业开发者的重要一步。它会在未来的科研道路上,为你省去无数排查环境问题的烦恼。