环境配置

Python 深度学习 - 环境搭建

搭建一个合适的开发环境对于在 Python 中开发深度学习应用至关重要。本章将指导你安装必要的软件和库。

核心要求

Python：推荐使用最新的 Python 3 版本（例如，3.8 或更高版本）。
包管理器 (Package Manager)：pip (Python 默认) 或 conda (在数据科学领域很流行，用于管理环境和包)。
虚拟环境 (Virtual Environment)：对于管理依赖关系和避免项目之间的冲突至关重要。工具有 venv (Python 内置) 或 conda environments。
科学计算库 (Scientific Libraries)：NumPy (数值计算), SciPy (科学和技术计算), Pandas (数据操作和分析)。
可视化 (Visualization)：Matplotlib 或 Seaborn 用于绘制数据和结果。
深度学习框架 (Deep Learning Frameworks)：TensorFlow (v2.x 或更高版本) 或 PyTorch 是当前行业标准。Keras 是一个通常与 TensorFlow 一起使用的高级 API (tf.keras)。

推荐的设置：Anaconda/Miniconda

使用 Anaconda 或 Miniconda 分发版可以显著简化设置过程。它包含了 Python、conda 以及许多科学计算库。Miniconda 是一个更轻量的版本，只包含 Python 和 conda。

从它们的官方网站下载并安装 Anaconda 或 Miniconda。
创建一个专用的虚拟环境（将 my_dl_env 替换为你喜欢的名称）：

# 使用 conda
conda create --name my_dl_env python=3.9  # 或你想要的 Python 3 版本
conda activate my_dl_env

或者，使用 Python 内置的 venv：

# 使用 venv (确保 Python 3 已在你的 PATH 中)
python -m venv my_dl_env
# 在 Linux/macOS 上激活：
source my_dl_env/bin/activate
# 在 Windows 上激活：
my_dl_env\Scripts\activate

安装深度学习框架和库

激活虚拟环境后，使用 pip 或 conda 安装必要的包。

使用 pip：

# 确保 pip 是最新版本
pip install --upgrade pip

# 安装必要的库
pip install numpy scipy pandas matplotlib seaborn

# 安装 TensorFlow (包含 Keras API)
pip install tensorflow

# 或者安装 PyTorch (访问 pytorch.org 查看基于你的系统/CUDA 的具体命令)
# 示例 (CPU 版本):
# pip install torch torchvision torchaudio

使用 conda：

# 安装必要的库 (Anaconda 通常已包含，但最好确认)
conda install numpy scipy pandas matplotlib seaborn

# 安装 TensorFlow
conda install -c conda-forge tensorflow # 查看 Anaconda 文档了解最佳频道

# 或者安装 PyTorch
conda install pytorch torchvision torchaudio cpuonly -c pytorch # 示例 CPU 版本

注意：为了利用 GPU 加速（强烈推荐用于深度学习），请确保你安装了兼容的 NVIDIA 驱动程序和 CUDA 工具包。然后，安装支持 GPU 的 TensorFlow 或 PyTorch 版本（安装命令不同，请查看它们的官方网站）。

验证安装

安装完成后，验证包是否正常工作。在你已激活的虚拟环境中打开 Python 解释器：

$ python

然后，导入库并打印其版本：

import numpy
print(f'NumPy Version: {numpy.__version__}')

import pandas
print(f'Pandas Version: {pandas.__version__}')

import tensorflow as tf
print(f'TensorFlow Version: {tf.__version__}')

# 如果你安装了 PyTorch:
# import torch
# print(f'PyTorch Version: {torch.__version__}')

看到版本号且没有错误，就说明设置成功了。具体版本会因安装时间而异。