1. 环境搭建的整体思路与选型考量1.1 为什么是这三个东西凑在一起搞深度学习环境这件事说简单也简单说折腾也是真折腾。我前前后后在不同机器上配过不下十次环境从最早手动装Python、手动编译wheel到后来用虚拟环境管理再到现在固定用编辑器加发行版加框架这套组合踩过的坑基本能写一本小册子。这套组合之所以被很多人推荐核心原因就一个它把“写代码”和“跑代码”这两件事的耦合度降到了比较舒服的程度。编辑器负责代码编写、调试、终端集成、插件扩展发行版负责把Python解释器、包管理器、科学计算相关的库一次性打包好框架负责具体的模型构建和训练。三者各司其职边界清晰。你不需要自己去编译底层数学库也不需要为了装一个包去折腾系统级的依赖冲突发行版已经帮你把最麻烦的那层做了预处理。我见过不少新手一上来就去官网下Python安装包然后pip install一条条装装到一半发现numpy版本和某个库对不上又回头卸载重装来回折腾大半天。不是说这种方式不行而是对于刚入门的人来说时间应该花在理解模型和写代码上而不是跟环境搏斗。发行版的价值就在这里它预置了大量科学计算相关的包并且做了版本兼容性测试省去了大量试错成本。1.2 版本选择的逻辑与常见误区版本选择这件事我的原则是不追最新不守最旧看生态兼容性。框架对Python版本有明确的支持范围发行版对框架版本也有对应的适配建议。你如果装了一个刚发布两天的Python版本大概率会遇到某些包还没有对应的wheel文件pip会尝试从源码编译然后因为缺少编译工具链而报错。这种错误对新手来说非常劝退因为报错信息往往指向的是底层编译问题而不是你代码本身的问题。我一般建议选一个已经发布半年以上、社区反馈稳定的Python版本。框架这边也是同样的逻辑选一个次新版本既不会太老缺少新特性也不会因为太新而遇到各种未修复的bug。发行版本身也会定期更新它内置的Python版本和包版本是经过测试的直接用它的默认配置通常不会出大问题。还有一个常见的误区是很多人觉得装一个最新版的框架就能用上所有新功能。实际上新版本刚出来的时候周边生态往往还没跟上比如某些可视化工具、某些辅助库可能还不兼容。你兴冲冲装了最新版结果发现常用的某个工具报错又得降级回去。所以我的习惯是等一个版本发布两三个月看社区反馈差不多了再升级。1.3 安装顺序与目录规划安装顺序这件事看起来无所谓实际上有讲究。我的建议是先装发行版再装编辑器最后在发行版里配框架。原因很简单编辑器需要知道Python解释器在哪里你先把发行版装好编辑器装完之后可以直接识别到省去手动配置路径的麻烦。框架装在发行版的环境里编辑器通过选择对应的解释器就能调用。目录规划也是容易被忽略的一点。发行版默认会装在一个比较深的路径下比如用户目录下的某个文件夹。这个路径本身没问题但如果你后续要装多个环境或者要迁移环境路径太深会带来一些不便。我一般会在磁盘根目录或者一个专门的开发目录下建一个文件夹把发行版装在里面路径短、好找、好管理。另外安装路径里尽量不要有中文和空格。虽然现在很多工具对中文路径的支持已经好很多了但总有一些边边角角的地方会出问题比如某些命令行工具解析路径时遇到空格会截断。这种问题排查起来很费时间不如一开始就避开。2. 发行版安装的细节与避坑要点2.1 下载渠道与安装包选择发行版的下载渠道我一般只推荐从官方渠道获取。第三方渠道的安装包有可能被修改过或者捆绑了不需要的东西。官方渠道的安装包虽然下载速度可能慢一点但胜在干净可靠。下载的时候注意选择对应操作系统的版本Windows选Windows版macOS选macOS版Linux一般用命令行安装脚本。安装包的大小通常在几百兆因为它打包了大量的预编译库。下载完成后Windows上是一个可执行文件双击运行即可。macOS上是一个pkg包或者dmg镜像拖拽安装或者双击安装。Linux上是一个sh脚本用bash执行。这里有一个细节Windows上安装的时候安装程序会问你是“Just Me”还是“All Users”。如果你这台机器只有你一个人用选“Just Me”就行安装路径会在你的用户目录下不需要管理员权限。如果选“All Users”会装到系统目录需要管理员权限而且后续装包的时候也可能需要管理员权限比较麻烦。所以我一般选“Just Me”。2.2 安装过程中的关键选项安装过程中有几个选项需要特别注意。第一个是“Add to PATH”这个选项在Windows上默认是不勾选的。勾选之后你可以在命令行里直接输入命令来使用发行版自带的工具。不勾选的话你就得用发行版自带的命令行工具或者手动把路径加到环境变量里。我建议勾选省事。第二个是安装路径。前面说了路径里不要有中文和空格。默认路径通常是在用户目录下路径比较长但一般不会有中文和空格可以直接用。如果你想改到一个更短更干净的路径比如直接放在某个盘的根目录下也可以但要注意路径里不要有空格。第三个是安装完成后的“Learn more”或者“Finish”页面通常会附带一些推广信息直接关掉就行不影响使用。macOS上的安装相对简单一路下一步就行。Linux上的安装脚本会问你是否接受许可协议输入yes然后选择安装路径默认路径是用户目录下的一个隐藏文件夹也可以直接回车用默认的。2.3 安装后的验证与初始化配置安装完成后第一件事是验证。打开命令行工具输入发行版自带的版本查询命令看看能不能正常输出版本号。如果能输出说明安装成功环境变量也配置好了。如果提示“command not found”或者“不是内部或外部命令”说明环境变量没配好需要手动配置。Windows上手动配置环境变量的方法是找到发行版的安装目录把目录路径和目录下的Scripts文件夹路径都加到系统环境变量的Path里。加完之后重新打开命令行窗口再试一次。macOS和Linux上一般是修改shell的配置文件把路径加进去然后source一下配置文件。验证通过之后建议做一次初始化配置。发行版通常会有一个配置文件里面记录了包的下载源地址。默认的源地址在国外下载速度可能比较慢。可以把它改成国内的镜像源下载速度会快很多。改的方法是在用户目录下创建一个配置文件写入镜像源的地址。这个操作是一次性的改完之后所有用这个发行版装包的操作都会走镜像源。注意改镜像源的时候要确认镜像源的地址是正确的写错了会导致所有装包操作都失败。改完之后可以用一个小的包测试一下比如装一个体积很小的工具包看看能不能正常下载和安装。3. 编辑器配置与框架安装实操3.1 编辑器安装与中文界面配置编辑器的安装没什么特别的从官方渠道下载安装包一路下一步就行。安装完成后第一次打开界面是英文的。如果你习惯中文界面可以在扩展市场里搜索中文语言包安装后重启编辑器界面就变成中文了。编辑器的核心价值在于它的扩展生态。对于深度学习开发来说有几个扩展是必装的。一个是Python扩展提供代码补全、语法检查、调试、运行等功能。另一个是Jupyter扩展如果你习惯用notebook的方式写代码这个扩展可以让你在编辑器里直接打开和运行notebook文件。还有一个是代码格式化工具比如black或者autopep8可以自动帮你把代码格式整理规范。安装扩展的方法很简单点击左侧的扩展图标在搜索框里输入扩展名称找到之后点击安装。安装完成后有些扩展需要重启编辑器才能生效。3.2 解释器选择与环境关联编辑器装好之后需要告诉它用哪个Python解释器。打开一个Python文件编辑器通常会在底部状态栏显示当前使用的解释器。点击它会弹出一个列表列出编辑器检测到的所有Python解释器。找到发行版对应的那个解释器选中它。如果列表里没有发行版的解释器说明编辑器没有自动检测到。这时候可以手动添加找到发行版安装目录下的python可执行文件选中它。添加之后编辑器就会用这个解释器来运行代码、提供补全和检查。这一步很关键因为如果你选错了解释器比如选成了系统自带的Python那么你装的框架和库都不在这个解释器里运行代码的时候会提示找不到模块。我见过不少人卡在这一步代码明明没问题就是跑不起来最后发现是解释器选错了。3.3 框架安装的两种方式与选择建议框架的安装有两种方式一种是用发行版自带的包管理工具另一种是用pip。两种方式都可以但我更推荐用pip因为pip的生态更通用遇到问题也更容易找到解决方案。安装命令很简单打开命令行工具输入安装命令后面跟上框架的名称。如果你需要特定版本可以在名称后面加上版本号。比如安装一个次新版本就写上对应的版本号。不写版本号的话默认装最新版。安装过程中会下载大量的依赖包包括底层的数学库、神经网络库、数据处理库等等。下载时间取决于网络速度和镜像源的质量。如果之前配了国内镜像源速度会快很多。安装完成后可以输入一个简单的导入命令来验证比如导入框架并打印版本号。如果能正常打印说明安装成功。提示安装框架的时候建议先确认一下发行版自带的Python版本是否在框架的支持范围内。如果版本不匹配安装过程可能会报错或者装上了但运行时报错。发行版的官方文档里通常会说明它支持的框架版本范围装之前扫一眼能省不少事。3.4 验证安装是否成功的完整流程验证分三步。第一步在命令行里进入Python交互环境输入导入命令看是否报错。第二步打印框架版本号确认版本是否正确。第三步跑一个最简单的示例比如创建一个常量张量并打印出来。这三步都通过说明框架安装没问题。如果第一步就报错提示找不到模块说明框架没装上或者装到了别的解释器里。这时候要检查一下当前命令行用的是哪个Python以及pip装到了哪里。可以用命令查看当前Python的路径和pip的路径确认它们是否一致。如果第二步版本号不对说明装错了版本需要卸载重装。卸载命令和安装命令类似把install换成uninstall就行。如果第三步报错提示缺少某个底层库说明依赖没装全。这种情况比较少见因为pip会自动处理依赖。如果真遇到了可以手动装一下缺失的库。4. 常见问题排查与实操经验汇总4.1 安装过程中的典型报错与解决安装过程中最常见的报错是网络超时。因为默认的下载源在国外网络不稳定的时候就会超时。解决办法就是换国内镜像源前面已经说过了。换完之后如果还是超时可以试试换个镜像源或者检查一下网络连接。第二个常见的报错是权限不足。Windows上如果装到了系统目录或者没有用管理员权限运行命令行就会提示权限不足。解决办法是以管理员身份运行命令行或者把发行版装到用户目录下。第三个常见的报错是版本冲突。比如你之前装过某个库的旧版本现在装框架的时候需要新版本pip会尝试升级但升级过程中可能和别的库产生冲突。解决办法是创建一个干净的环境在新环境里装框架避免和旧环境里的库冲突。第四个常见的报错是编译错误。某些包没有预编译的wheel文件pip会尝试从源码编译这时候需要系统里有C编译工具链。Windows上需要装Visual C Build ToolsmacOS上需要装Xcode Command Line ToolsLinux上需要装gcc和g。如果不想折腾编译工具链可以找找有没有预编译的wheel文件或者换个版本试试。4.2 运行代码时的常见异常与排查运行代码时最常见的异常是“ModuleNotFoundError”提示找不到某个模块。原因通常是解释器选错了或者包没装上。排查方法是确认编辑器当前用的解释器是不是发行版的那个确认包是不是装在了这个解释器里。可以在编辑器里打开终端输入pip list看看已安装的包列表里有没有你要用的那个。第二个常见的异常是版本不兼容导致的API变化。比如某个函数在新版本里改了参数名或者返回值你照着旧教程写的代码就会报错。解决办法是查一下当前版本的官方文档看看这个函数的用法有没有变化。或者降级到教程对应的版本。第三个常见的异常是内存不足。深度学习模型训练的时候如果数据量太大或者模型太复杂可能会把内存吃满然后程序崩溃。解决办法是减小batch size或者用生成器的方式加载数据不要一次性把所有数据读进内存。第四个常见的异常是GPU相关的问题。如果你装了GPU版本的框架但系统里没有对应的显卡驱动或者驱动版本不匹配就会报错。解决办法是确认显卡驱动版本装对应版本的框架。如果不想折腾驱动可以直接用CPU版本虽然慢一点但省事。4.3 环境管理的经验与建议环境管理这件事我的建议是一个项目一个环境。不要把所有项目都装在同一个环境里因为不同项目依赖的库版本可能不一样装在一起迟早会冲突。发行版自带的包管理工具可以创建多个环境每个环境独立互不影响。创建环境的命令很简单指定一个环境名称就行。创建完成后激活这个环境然后在里面装框架和其他的库。编辑器里也可以切换环境选择对应环境的解释器就行。环境的导出和导入也很方便。可以把当前环境的所有包和版本导出到一个文件里换机器的时候用这个文件来重建环境。这样能保证不同机器上的环境一致避免“在我机器上能跑”的问题。注意环境不要建太多不然磁盘空间会不够用。每个环境都会复制一份Python解释器和基础库占用的空间不小。定期清理不再使用的环境能省不少空间。4.4 常见问题速查表问题现象可能原因排查方法解决方式命令行提示命令不存在环境变量没配好检查Path里有没有发行版路径手动添加路径到环境变量装包时网络超时默认源在国外看报错信息里的下载地址换成国内镜像源运行代码提示找不到模块解释器选错或包没装上检查编辑器当前解释器切换解释器或重新装包装包时提示权限不足装到了系统目录看安装路径用管理员权限或装到用户目录装包时提示编译错误缺少编译工具链看报错信息里的编译命令装编译工具链或找预编译包运行代码时内存溢出数据量太大看内存占用减小batch size或用生成器GPU版本报错驱动不匹配查显卡驱动版本装对应版本或改用CPU版不同项目依赖冲突装在同一个环境里看包版本一个项目一个环境5. 从零到跑通第一个模型的完整实操记录5.1 创建项目目录与初始化环境找一个磁盘空间充足的位置建一个项目文件夹。文件夹名字用英文不要有空格。进去之后打开命令行工具创建一个新的环境。环境名称用项目名或者一个有意义的短名称方便后续识别。创建环境的命令执行完成后激活这个环境。激活之后命令行的提示符前面会多一个括号里面是环境名称表示当前在这个环境里操作。这时候装的所有包都会装在这个环境里不会影响其他环境。接下来装框架。如果你有显卡并且想用GPU加速就装GPU版本如果没有或者不想折腾驱动就装CPU版本。装的时候指定一个稳定的版本号不要用最新版。装完之后验证一下导入框架并打印版本号。5.2 编辑器打开项目与解释器绑定用编辑器打开刚才建的项目文件夹。编辑器会自动检测项目里的文件如果检测到Python文件会提示你选择解释器。选择刚才创建的环境对应的解释器。如果没提示就手动选在底部状态栏点击解释器名称从列表里找到对应的环境。绑定好解释器之后新建一个Python文件写几行测试代码。比如导入框架创建一个张量打印出来。然后运行这个文件看输出是否正常。如果正常输出说明编辑器和环境的绑定没问题可以开始写正式的代码了。这一步有一个小技巧可以在项目目录下建一个配置文件记录这个项目用的解释器路径和依赖包列表。这样换机器或者换编辑器的时候能快速恢复环境。5.3 跑通一个最小示例并理解每一步最小示例不需要太复杂能体现框架的基本用法就行。比如创建一个常量做一次加法运算打印结果。或者创建一个简单的线性模型喂一组随机数据看输出形状对不对。写代码的时候我习惯把每一步都打印出来确认中间结果的形状和类型符合预期。深度学习代码里最常见的错误就是形状不匹配提前打印出来能快速定位问题。运行的时候如果报错先看报错信息的最后一行那里通常是错误类型和简要描述。然后往上看找到报错的具体代码行。再往上看看调用栈找到是哪一层调用出的问题。这样一步步排查大部分问题都能定位到。跑通之后可以试着改改参数比如换个数据类型换个形状看看输出有什么变化。这样能加深对框架API的理解。5.4 实操中积累的几个小技巧第一个技巧装包的时候加一个参数让pip把安装过程的信息输出到日志文件里。这样如果装失败了可以翻日志看具体是哪一步出的问题。日志文件里会记录下载了哪些包、装了哪些依赖、有没有报错。第二个技巧在编辑器里配置代码格式化工具每次保存文件的时候自动格式化。这样代码风格统一看起来舒服也避免了一些低级错误。第三个技巧把常用的命令写成脚本比如激活环境、启动训练、导出环境配置等等。这样不用每次都手动敲命令省事而且不容易出错。第四个技巧定期备份环境配置。把环境里的包列表导出到一个文件里存到项目目录下。这样即使环境坏了也能快速重建。6. 后续扩展与进阶方向6.1 从单机到多环境的平滑过渡当你开始同时做多个项目的时候单环境就不够用了。这时候需要给每个项目建独立的环境。发行版的包管理工具支持创建多个环境每个环境可以有不同的Python版本和不同的包组合。创建环境的时候可以指定Python版本。比如一个项目需要Python 3.8另一个需要Python 3.10就分别建两个环境各用各的版本。编辑器里切换项目的时候选择对应的解释器就行。环境多了之后管理是个问题。我的做法是给每个环境起一个有意义的名字比如项目名加版本号。然后在项目目录下放一个说明文件记录这个项目用的环境名称和依赖列表。这样时间长了也不会忘。6.2 依赖管理与环境复现的最佳实践依赖管理最怕的就是“在我机器上能跑在你机器上跑不了”。避免这个问题的方法是把依赖固定下来。装包的时候指定版本号不要用最新版。然后把包列表导出到一个文件里这个文件里记录了每个包的名称和精确版本号。换机器的时候用这个文件来重建环境。重建出来的环境和原来的环境在包版本上完全一致能最大程度避免兼容性问题。如果项目要分享给别人把这个依赖文件一起分享。别人拿到之后照着文件重建环境就能跑起来。这比口头说“你装个什么什么包”靠谱多了。6.3 性能调优的入门方向环境跑通之后如果觉得速度慢可以从几个方向调优。第一个方向是用GPU加速前提是你有显卡并且装了对应的驱动和框架版本。GPU版本比CPU版本快很多尤其是模型比较大的时候。第二个方向是优化数据加载。深度学习训练的时候数据加载往往是瓶颈。可以用多进程的方式加载数据让CPU和GPU并行工作。框架里通常有对应的配置项设置一下就行。第三个方向是调整batch size。batch size太小GPU利用率低batch size太大内存可能不够。找到一个合适的值能让训练速度明显提升。这个值需要根据你的显卡内存和模型大小来试没有固定答案。第四个方向是混合精度训练。用半精度浮点数代替单精度能减少内存占用加快计算速度。框架里通常有对应的接口开启之后训练速度能提升不少精度损失在可接受范围内。6.4 学习路径与资源获取建议环境搭好之后下一步是学框架的用法。我的建议是从官方文档的入门教程开始跟着走一遍。官方文档通常写得比较清楚而且和当前版本对应不会出现教程和实际版本不匹配的问题。走完入门教程之后找一个简单的项目练手。比如手写数字识别、猫狗分类这种经典任务。自己从头写一遍遇到问题查文档、查社区把问题解决掉。这样一轮下来基本用法就掌握了。再往后可以看一些开源项目的代码学习别人是怎么组织代码、怎么设计模型的。开源项目的代码质量参差不齐但好的项目能学到不少东西。看的时候重点关注数据加载、模型定义、训练循环这几个部分。社区资源方面官方论坛和问答社区是找答案的好地方。遇到问题先搜一下大概率有人遇到过同样的问题。搜不到再提问提问的时候把报错信息、环境版本、复现步骤写清楚别人才能帮你定位问题。我个人在实际操作中的体会是环境搭建这件事第一次做的时候会觉得步骤很多、很繁琐但做多了之后就会发现核心步骤就那么几个剩下的都是细节调整。把第一次的流程记录下来下次照着做十分钟就能搞定。真正花时间的不是安装本身而是遇到问题时的排查。所以遇到报错不要慌先看报错信息再搜解决方案实在不行就换个思路绕过去。环境是为人服务的不是人为环境服务的别在环境上耗太多时间把精力留给真正重要的模型和代码。 
长河君 · 2026/10/16 19:05:18 · 阅读 1.2k 深度学习环境搭建实战：编辑器+发行版+框架组合配置与避坑指南
1. 环境搭建的整体思路与选型考量1.1 为什么是这三个东西凑在一起搞深度学习环境这件事说简单也简单说折腾也是真折腾。我前前后后在不同机器上配过不下十次环境从最早手动装Python、手动编译wheel到后来用虚拟环境管理再到现在固定用编辑器加发行版加框架这套组合踩过的坑基本能写一本小册子。这套组合之所以被很多人推荐核心原因就一个它把“写代码”和“跑代码”这两件事的耦合度降到了比较舒服的程度。编辑器负责代码编写、调试、终端集成、插件扩展发行版负责把Python解释器、包管理器、科学计算相关的库一次性打包好框架负责具体的模型构建和训练。三者各司其职边界清晰。你不需要自己去编译底层数学库也不需要为了装一个包去折腾系统级的依赖冲突发行版已经帮你把最麻烦的那层做了预处理。我见过不少新手一上来就去官网下Python安装包然后pip install一条条装装到一半发现numpy版本和某个库对不上又回头卸载重装来回折腾大半天。不是说这种方式不行而是对于刚入门的人来说时间应该花在理解模型和写代码上而不是跟环境搏斗。发行版的价值就在这里它预置了大量科学计算相关的包并且做了版本兼容性测试省去了大量试错成本。1.2 版本选择的逻辑与常见误区版本选择这件事我的原则是不追最新不守最旧看生态兼容性。框架对Python版本有明确的支持范围发行版对框架版本也有对应的适配建议。你如果装了一个刚发布两天的Python版本大概率会遇到某些包还没有对应的wheel文件pip会尝试从源码编译然后因为缺少编译工具链而报错。这种错误对新手来说非常劝退因为报错信息往往指向的是底层编译问题而不是你代码本身的问题。我一般建议选一个已经发布半年以上、社区反馈稳定的Python版本。框架这边也是同样的逻辑选一个次新版本既不会太老缺少新特性也不会因为太新而遇到各种未修复的bug。发行版本身也会定期更新它内置的Python版本和包版本是经过测试的直接用它的默认配置通常不会出大问题。还有一个常见的误区是很多人觉得装一个最新版的框架就能用上所有新功能。实际上新版本刚出来的时候周边生态往往还没跟上比如某些可视化工具、某些辅助库可能还不兼容。你兴冲冲装了最新版结果发现常用的某个工具报错又得降级回去。所以我的习惯是等一个版本发布两三个月看社区反馈差不多了再升级。1.3 安装顺序与目录规划安装顺序这件事看起来无所谓实际上有讲究。我的建议是先装发行版再装编辑器最后在发行版里配框架。原因很简单编辑器需要知道Python解释器在哪里你先把发行版装好编辑器装完之后可以直接识别到省去手动配置路径的麻烦。框架装在发行版的环境里编辑器通过选择对应的解释器就能调用。目录规划也是容易被忽略的一点。发行版默认会装在一个比较深的路径下比如用户目录下的某个文件夹。这个路径本身没问题但如果你后续要装多个环境或者要迁移环境路径太深会带来一些不便。我一般会在磁盘根目录或者一个专门的开发目录下建一个文件夹把发行版装在里面路径短、好找、好管理。另外安装路径里尽量不要有中文和空格。虽然现在很多工具对中文路径的支持已经好很多了但总有一些边边角角的地方会出问题比如某些命令行工具解析路径时遇到空格会截断。这种问题排查起来很费时间不如一开始就避开。2. 发行版安装的细节与避坑要点2.1 下载渠道与安装包选择发行版的下载渠道我一般只推荐从官方渠道获取。第三方渠道的安装包有可能被修改过或者捆绑了不需要的东西。官方渠道的安装包虽然下载速度可能慢一点但胜在干净可靠。下载的时候注意选择对应操作系统的版本Windows选Windows版macOS选macOS版Linux一般用命令行安装脚本。安装包的大小通常在几百兆因为它打包了大量的预编译库。下载完成后Windows上是一个可执行文件双击运行即可。macOS上是一个pkg包或者dmg镜像拖拽安装或者双击安装。Linux上是一个sh脚本用bash执行。这里有一个细节Windows上安装的时候安装程序会问你是“Just Me”还是“All Users”。如果你这台机器只有你一个人用选“Just Me”就行安装路径会在你的用户目录下不需要管理员权限。如果选“All Users”会装到系统目录需要管理员权限而且后续装包的时候也可能需要管理员权限比较麻烦。所以我一般选“Just Me”。2.2 安装过程中的关键选项安装过程中有几个选项需要特别注意。第一个是“Add to PATH”这个选项在Windows上默认是不勾选的。勾选之后你可以在命令行里直接输入命令来使用发行版自带的工具。不勾选的话你就得用发行版自带的命令行工具或者手动把路径加到环境变量里。我建议勾选省事。第二个是安装路径。前面说了路径里不要有中文和空格。默认路径通常是在用户目录下路径比较长但一般不会有中文和空格可以直接用。如果你想改到一个更短更干净的路径比如直接放在某个盘的根目录下也可以但要注意路径里不要有空格。第三个是安装完成后的“Learn more”或者“Finish”页面通常会附带一些推广信息直接关掉就行不影响使用。macOS上的安装相对简单一路下一步就行。Linux上的安装脚本会问你是否接受许可协议输入yes然后选择安装路径默认路径是用户目录下的一个隐藏文件夹也可以直接回车用默认的。2.3 安装后的验证与初始化配置安装完成后第一件事是验证。打开命令行工具输入发行版自带的版本查询命令看看能不能正常输出版本号。如果能输出说明安装成功环境变量也配置好了。如果提示“command not found”或者“不是内部或外部命令”说明环境变量没配好需要手动配置。Windows上手动配置环境变量的方法是找到发行版的安装目录把目录路径和目录下的Scripts文件夹路径都加到系统环境变量的Path里。加完之后重新打开命令行窗口再试一次。macOS和Linux上一般是修改shell的配置文件把路径加进去然后source一下配置文件。验证通过之后建议做一次初始化配置。发行版通常会有一个配置文件里面记录了包的下载源地址。默认的源地址在国外下载速度可能比较慢。可以把它改成国内的镜像源下载速度会快很多。改的方法是在用户目录下创建一个配置文件写入镜像源的地址。这个操作是一次性的改完之后所有用这个发行版装包的操作都会走镜像源。注意改镜像源的时候要确认镜像源的地址是正确的写错了会导致所有装包操作都失败。改完之后可以用一个小的包测试一下比如装一个体积很小的工具包看看能不能正常下载和安装。3. 编辑器配置与框架安装实操3.1 编辑器安装与中文界面配置编辑器的安装没什么特别的从官方渠道下载安装包一路下一步就行。安装完成后第一次打开界面是英文的。如果你习惯中文界面可以在扩展市场里搜索中文语言包安装后重启编辑器界面就变成中文了。编辑器的核心价值在于它的扩展生态。对于深度学习开发来说有几个扩展是必装的。一个是Python扩展提供代码补全、语法检查、调试、运行等功能。另一个是Jupyter扩展如果你习惯用notebook的方式写代码这个扩展可以让你在编辑器里直接打开和运行notebook文件。还有一个是代码格式化工具比如black或者autopep8可以自动帮你把代码格式整理规范。安装扩展的方法很简单点击左侧的扩展图标在搜索框里输入扩展名称找到之后点击安装。安装完成后有些扩展需要重启编辑器才能生效。3.2 解释器选择与环境关联编辑器装好之后需要告诉它用哪个Python解释器。打开一个Python文件编辑器通常会在底部状态栏显示当前使用的解释器。点击它会弹出一个列表列出编辑器检测到的所有Python解释器。找到发行版对应的那个解释器选中它。如果列表里没有发行版的解释器说明编辑器没有自动检测到。这时候可以手动添加找到发行版安装目录下的python可执行文件选中它。添加之后编辑器就会用这个解释器来运行代码、提供补全和检查。这一步很关键因为如果你选错了解释器比如选成了系统自带的Python那么你装的框架和库都不在这个解释器里运行代码的时候会提示找不到模块。我见过不少人卡在这一步代码明明没问题就是跑不起来最后发现是解释器选错了。3.3 框架安装的两种方式与选择建议框架的安装有两种方式一种是用发行版自带的包管理工具另一种是用pip。两种方式都可以但我更推荐用pip因为pip的生态更通用遇到问题也更容易找到解决方案。安装命令很简单打开命令行工具输入安装命令后面跟上框架的名称。如果你需要特定版本可以在名称后面加上版本号。比如安装一个次新版本就写上对应的版本号。不写版本号的话默认装最新版。安装过程中会下载大量的依赖包包括底层的数学库、神经网络库、数据处理库等等。下载时间取决于网络速度和镜像源的质量。如果之前配了国内镜像源速度会快很多。安装完成后可以输入一个简单的导入命令来验证比如导入框架并打印版本号。如果能正常打印说明安装成功。提示安装框架的时候建议先确认一下发行版自带的Python版本是否在框架的支持范围内。如果版本不匹配安装过程可能会报错或者装上了但运行时报错。发行版的官方文档里通常会说明它支持的框架版本范围装之前扫一眼能省不少事。3.4 验证安装是否成功的完整流程验证分三步。第一步在命令行里进入Python交互环境输入导入命令看是否报错。第二步打印框架版本号确认版本是否正确。第三步跑一个最简单的示例比如创建一个常量张量并打印出来。这三步都通过说明框架安装没问题。如果第一步就报错提示找不到模块说明框架没装上或者装到了别的解释器里。这时候要检查一下当前命令行用的是哪个Python以及pip装到了哪里。可以用命令查看当前Python的路径和pip的路径确认它们是否一致。如果第二步版本号不对说明装错了版本需要卸载重装。卸载命令和安装命令类似把install换成uninstall就行。如果第三步报错提示缺少某个底层库说明依赖没装全。这种情况比较少见因为pip会自动处理依赖。如果真遇到了可以手动装一下缺失的库。4. 常见问题排查与实操经验汇总4.1 安装过程中的典型报错与解决安装过程中最常见的报错是网络超时。因为默认的下载源在国外网络不稳定的时候就会超时。解决办法就是换国内镜像源前面已经说过了。换完之后如果还是超时可以试试换个镜像源或者检查一下网络连接。第二个常见的报错是权限不足。Windows上如果装到了系统目录或者没有用管理员权限运行命令行就会提示权限不足。解决办法是以管理员身份运行命令行或者把发行版装到用户目录下。第三个常见的报错是版本冲突。比如你之前装过某个库的旧版本现在装框架的时候需要新版本pip会尝试升级但升级过程中可能和别的库产生冲突。解决办法是创建一个干净的环境在新环境里装框架避免和旧环境里的库冲突。第四个常见的报错是编译错误。某些包没有预编译的wheel文件pip会尝试从源码编译这时候需要系统里有C编译工具链。Windows上需要装Visual C Build ToolsmacOS上需要装Xcode Command Line ToolsLinux上需要装gcc和g。如果不想折腾编译工具链可以找找有没有预编译的wheel文件或者换个版本试试。4.2 运行代码时的常见异常与排查运行代码时最常见的异常是“ModuleNotFoundError”提示找不到某个模块。原因通常是解释器选错了或者包没装上。排查方法是确认编辑器当前用的解释器是不是发行版的那个确认包是不是装在了这个解释器里。可以在编辑器里打开终端输入pip list看看已安装的包列表里有没有你要用的那个。第二个常见的异常是版本不兼容导致的API变化。比如某个函数在新版本里改了参数名或者返回值你照着旧教程写的代码就会报错。解决办法是查一下当前版本的官方文档看看这个函数的用法有没有变化。或者降级到教程对应的版本。第三个常见的异常是内存不足。深度学习模型训练的时候如果数据量太大或者模型太复杂可能会把内存吃满然后程序崩溃。解决办法是减小batch size或者用生成器的方式加载数据不要一次性把所有数据读进内存。第四个常见的异常是GPU相关的问题。如果你装了GPU版本的框架但系统里没有对应的显卡驱动或者驱动版本不匹配就会报错。解决办法是确认显卡驱动版本装对应版本的框架。如果不想折腾驱动可以直接用CPU版本虽然慢一点但省事。4.3 环境管理的经验与建议环境管理这件事我的建议是一个项目一个环境。不要把所有项目都装在同一个环境里因为不同项目依赖的库版本可能不一样装在一起迟早会冲突。发行版自带的包管理工具可以创建多个环境每个环境独立互不影响。创建环境的命令很简单指定一个环境名称就行。创建完成后激活这个环境然后在里面装框架和其他的库。编辑器里也可以切换环境选择对应环境的解释器就行。环境的导出和导入也很方便。可以把当前环境的所有包和版本导出到一个文件里换机器的时候用这个文件来重建环境。这样能保证不同机器上的环境一致避免“在我机器上能跑”的问题。注意环境不要建太多不然磁盘空间会不够用。每个环境都会复制一份Python解释器和基础库占用的空间不小。定期清理不再使用的环境能省不少空间。4.4 常见问题速查表问题现象可能原因排查方法解决方式命令行提示命令不存在环境变量没配好检查Path里有没有发行版路径手动添加路径到环境变量装包时网络超时默认源在国外看报错信息里的下载地址换成国内镜像源运行代码提示找不到模块解释器选错或包没装上检查编辑器当前解释器切换解释器或重新装包装包时提示权限不足装到了系统目录看安装路径用管理员权限或装到用户目录装包时提示编译错误缺少编译工具链看报错信息里的编译命令装编译工具链或找预编译包运行代码时内存溢出数据量太大看内存占用减小batch size或用生成器GPU版本报错驱动不匹配查显卡驱动版本装对应版本或改用CPU版不同项目依赖冲突装在同一个环境里看包版本一个项目一个环境5. 从零到跑通第一个模型的完整实操记录5.1 创建项目目录与初始化环境找一个磁盘空间充足的位置建一个项目文件夹。文件夹名字用英文不要有空格。进去之后打开命令行工具创建一个新的环境。环境名称用项目名或者一个有意义的短名称方便后续识别。创建环境的命令执行完成后激活这个环境。激活之后命令行的提示符前面会多一个括号里面是环境名称表示当前在这个环境里操作。这时候装的所有包都会装在这个环境里不会影响其他环境。接下来装框架。如果你有显卡并且想用GPU加速就装GPU版本如果没有或者不想折腾驱动就装CPU版本。装的时候指定一个稳定的版本号不要用最新版。装完之后验证一下导入框架并打印版本号。5.2 编辑器打开项目与解释器绑定用编辑器打开刚才建的项目文件夹。编辑器会自动检测项目里的文件如果检测到Python文件会提示你选择解释器。选择刚才创建的环境对应的解释器。如果没提示就手动选在底部状态栏点击解释器名称从列表里找到对应的环境。绑定好解释器之后新建一个Python文件写几行测试代码。比如导入框架创建一个张量打印出来。然后运行这个文件看输出是否正常。如果正常输出说明编辑器和环境的绑定没问题可以开始写正式的代码了。这一步有一个小技巧可以在项目目录下建一个配置文件记录这个项目用的解释器路径和依赖包列表。这样换机器或者换编辑器的时候能快速恢复环境。5.3 跑通一个最小示例并理解每一步最小示例不需要太复杂能体现框架的基本用法就行。比如创建一个常量做一次加法运算打印结果。或者创建一个简单的线性模型喂一组随机数据看输出形状对不对。写代码的时候我习惯把每一步都打印出来确认中间结果的形状和类型符合预期。深度学习代码里最常见的错误就是形状不匹配提前打印出来能快速定位问题。运行的时候如果报错先看报错信息的最后一行那里通常是错误类型和简要描述。然后往上看找到报错的具体代码行。再往上看看调用栈找到是哪一层调用出的问题。这样一步步排查大部分问题都能定位到。跑通之后可以试着改改参数比如换个数据类型换个形状看看输出有什么变化。这样能加深对框架API的理解。5.4 实操中积累的几个小技巧第一个技巧装包的时候加一个参数让pip把安装过程的信息输出到日志文件里。这样如果装失败了可以翻日志看具体是哪一步出的问题。日志文件里会记录下载了哪些包、装了哪些依赖、有没有报错。第二个技巧在编辑器里配置代码格式化工具每次保存文件的时候自动格式化。这样代码风格统一看起来舒服也避免了一些低级错误。第三个技巧把常用的命令写成脚本比如激活环境、启动训练、导出环境配置等等。这样不用每次都手动敲命令省事而且不容易出错。第四个技巧定期备份环境配置。把环境里的包列表导出到一个文件里存到项目目录下。这样即使环境坏了也能快速重建。6. 后续扩展与进阶方向6.1 从单机到多环境的平滑过渡当你开始同时做多个项目的时候单环境就不够用了。这时候需要给每个项目建独立的环境。发行版的包管理工具支持创建多个环境每个环境可以有不同的Python版本和不同的包组合。创建环境的时候可以指定Python版本。比如一个项目需要Python 3.8另一个需要Python 3.10就分别建两个环境各用各的版本。编辑器里切换项目的时候选择对应的解释器就行。环境多了之后管理是个问题。我的做法是给每个环境起一个有意义的名字比如项目名加版本号。然后在项目目录下放一个说明文件记录这个项目用的环境名称和依赖列表。这样时间长了也不会忘。6.2 依赖管理与环境复现的最佳实践依赖管理最怕的就是“在我机器上能跑在你机器上跑不了”。避免这个问题的方法是把依赖固定下来。装包的时候指定版本号不要用最新版。然后把包列表导出到一个文件里这个文件里记录了每个包的名称和精确版本号。换机器的时候用这个文件来重建环境。重建出来的环境和原来的环境在包版本上完全一致能最大程度避免兼容性问题。如果项目要分享给别人把这个依赖文件一起分享。别人拿到之后照着文件重建环境就能跑起来。这比口头说“你装个什么什么包”靠谱多了。6.3 性能调优的入门方向环境跑通之后如果觉得速度慢可以从几个方向调优。第一个方向是用GPU加速前提是你有显卡并且装了对应的驱动和框架版本。GPU版本比CPU版本快很多尤其是模型比较大的时候。第二个方向是优化数据加载。深度学习训练的时候数据加载往往是瓶颈。可以用多进程的方式加载数据让CPU和GPU并行工作。框架里通常有对应的配置项设置一下就行。第三个方向是调整batch size。batch size太小GPU利用率低batch size太大内存可能不够。找到一个合适的值能让训练速度明显提升。这个值需要根据你的显卡内存和模型大小来试没有固定答案。第四个方向是混合精度训练。用半精度浮点数代替单精度能减少内存占用加快计算速度。框架里通常有对应的接口开启之后训练速度能提升不少精度损失在可接受范围内。6.4 学习路径与资源获取建议环境搭好之后下一步是学框架的用法。我的建议是从官方文档的入门教程开始跟着走一遍。官方文档通常写得比较清楚而且和当前版本对应不会出现教程和实际版本不匹配的问题。走完入门教程之后找一个简单的项目练手。比如手写数字识别、猫狗分类这种经典任务。自己从头写一遍遇到问题查文档、查社区把问题解决掉。这样一轮下来基本用法就掌握了。再往后可以看一些开源项目的代码学习别人是怎么组织代码、怎么设计模型的。开源项目的代码质量参差不齐但好的项目能学到不少东西。看的时候重点关注数据加载、模型定义、训练循环这几个部分。社区资源方面官方论坛和问答社区是找答案的好地方。遇到问题先搜一下大概率有人遇到过同样的问题。搜不到再提问提问的时候把报错信息、环境版本、复现步骤写清楚别人才能帮你定位问题。我个人在实际操作中的体会是环境搭建这件事第一次做的时候会觉得步骤很多、很繁琐但做多了之后就会发现核心步骤就那么几个剩下的都是细节调整。把第一次的流程记录下来下次照着做十分钟就能搞定。真正花时间的不是安装本身而是遇到问题时的排查。所以遇到报错不要慌先看报错信息再搜解决方案实在不行就换个思路绕过去。环境是为人服务的不是人为环境服务的别在环境上耗太多时间把精力留给真正重要的模型和代码。