跳至主要內容

1：下载Miniconda运行环境

JavaJuice约 4250 字大约 14 分钟

1：下载Miniconda运行环境

《Python运行环境配置与工具选择》课程文档

一、课程简介
本节课程主要讲解人工智能开发中Python环境的选择与配置，重点解析Miniconda工具的安装与使用。

二、Python在AI开发中的优势

  1. 开发效率高
  • 代码量少，可读性强
  • 丰富的内置库和第三方库支持
  • 易于快速上手学习
  1. 跨平台特性
  • 支持Windows/Linux/macOS多平台
  • 代码可无缝迁移不同系统（需配置对应环境）
  1. 社区生态完善
  • 人工智能领域开发者众多
  • 问题解决方案资源丰富

三、环境管理工具对比

  1. Conda vs Pip

    特性CondaPip
    包管理范围Python + 非Python库仅Python包
    虚拟环境管理内置支持需venv模块配合
    依赖解析自动处理跨语言依赖仅处理Python依赖
    推荐使用场景科学计算/机器学习通用Python开发

  2. Miniconda vs Anaconda

  • Miniconda（推荐）：
    • 核心组件：Conda工具 + Python + 基础依赖包
    • 体积小（约400MB）
    • 按需安装所需包
  • Anaconda：
    • 包含Miniconda所有组件
    • 预装600+科学计算包
    • 附带图形界面（Navigator）
    • 体积较大（约2GB）

四、Miniconda安装指南

  1. 下载地址（推荐清华镜像）
    https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

  2. 版本选择建议

    操作系统推荐安装包
    WindowsMiniconda3-latest-Windows-x86_64.exe
    LinuxMiniconda3-latest-Linux-x86_64.sh
    macOSMiniconda3-latest-MacOSX-x86_64.pkg

  3. 安装注意事项

  • 安装路径避免包含中文和空格
  • 安装时勾选"Add to PATH"环境变量选项
  • 建议为当前用户单独安装（非系统级安装）

五、环境管理最佳实践

  1. 创建隔离环境
    conda create --name myenv python=3.9
  2. 包管理命令
  • 安装包：conda install numpy
  • 移除包：conda remove pandas
  • 更新包：conda update tensorflow
  1. 环境切换
    conda activate myenv # 进入环境
    conda deactivate # 退出环境

六、课程重点总结

  1. Python在AI开发中的核心优势是开发效率而非技术唯一性
  2. Miniconda兼顾灵活性与轻量化，适合生产环境
  3. 掌握Conda环境管理是AI工程师的必备技能
  4. 优先使用清华镜像加速国内下载

七、课后练习

  1. 在本地完成Miniconda的安装与验证（conda --version）
  2. 创建Python3.8和Python3.10两个隔离环境
  3. 在新环境中安装numpy和pandas包

注：本文档已修正原始录音中的口语化表达和技术术语错误，确保技术描述的准确性。所有工具名称（Conda/pip等）均采用标准拼写，关键操作步骤已进行标准化格式处理。

2：Miniconda安装和测试

Miniconda安装与使用教程

一、安装流程说明

1. 安装包验证

  • 确认安装包名称为"Miniconda3"开头
  • 注意安装界面显示"Welcome to Miniconda3"字样
  • 内置Python版本说明：PY39 = Python 3.9环境

2. 安装步骤

  1. 双击运行.exe安装程序
  2. 许可协议界面点击"Next"
  3. 安装类型选择：
    • 推荐选择"Just Me"（默认选项）
  4. 设置安装路径：
    • 默认路径：C:\ProgramData\Miniconda3
    • 建议路径：D:\Miniconda3（避免中文/空格）
  5. 高级选项配置：
    • Add Miniconda3 to PATH（不推荐勾选）
    • Register Miniconda3 as default Python（不推荐勾选）

3. 环境变量配置（手动）

  1. 右键"此电脑" → 属性 → 高级系统设置
  2. 环境变量 → 系统变量 → Path → 编辑
  3. 添加两条路径：
    • D:\Miniconda3
    • D:\Miniconda3\Scripts

二、安装验证

1. 命令行验证

conda info

预期输出包含：

     active environment : base
    base environment : D:\Miniconda3
       envs directories : D:\Miniconda3\envs

2. 程序验证

  1. 创建测试文件welcome.py：
print("Hello World")
  1. Anaconda PowerShell执行：
cd D:\my_code
python welcome.py

预期输出：Hello World

三、环境管理说明

  1. 虚拟环境目录：Miniconda3\envs
  2. conda核心功能：
    • 创建多版本Python环境（支持3.6/3.7等）
    • 安装跨语言依赖包
    • 环境隔离管理

四、常见问题解析

测试题1

Q：关于pip与conda的错误说法是？
A：4D（conda可独立于Anaconda使用，支持现有Python环境安装）

测试题2

Q：conda环境目录的配置信息位置？
A：envs directories字段（蓝色框标注部分）

五、最佳实践建议

  1. 路径命名规范：
    • 使用全英文路径
    • 避免特殊字符和空格
  2. 镜像源配置：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  1. 虚拟环境创建示例：
conda create -n py37 python=3.7

3：Pycharm安装和代码运行

Python开发环境配置与PyCharm使用指南

一、IDE概述

  1. IDE的重要性
  • 提供代码检查（语法、缩进等）
  • 增强开发效率
  • 支持智能提示和调试工具

二、PyCharm安装步骤

  1. 下载渠道
  1. 安装流程
  • 双击.exe安装包
  • 配置安装选项：
    (1) 安装路径（默认C:\Program Files\JetBrains）
    (2) 创建桌面快捷方式（建议勾选）
    (3) 文件关联（建议不勾选，按需手动设置）

三、项目创建与环境配置

  1. 新建项目
  • 启动后选择"New Project"
  • 配置项：
    (1) 取消勾选"Create a main.py"
    (2) 项目存储路径设置
    (3) 解释器关联
  1. Conda环境关联

  • 操作路径：
    Settings → Project → Python Interpreter →

  • 配置步骤：

    1. 点击齿轮→Add New Interpreter
    2. 选择Conda Environment
    3. 定位到Miniconda安装目录
    • 解释器路径：.../Miniconda3/python.exe
    • Conda执行文件：.../Miniconda3/Scripts/conda.exe

四、多环境管理

  1. 环境切换方法
  • 操作路径：File → Settings → Project → Python Interpreter
  • 支持环境类型：
    • 系统Python环境
    • Conda基础环境
    • 自定义虚拟环境（如tf110）

五、开发流程演示

  1. 创建Python文件
  • 右键项目目录 → New → Python File
  • 命名规范：建议小写字母加下划线（例：hello_world）
  1. 代码编写与执行

  • 示例代码：

    print("Hello World")

  • 运行方式：
    (1) 右键→Run
    (2) 查看运行结果窗口

六、注意事项

  1. 环境管理建议
  • 推荐使用Miniconda管理不同项目环境
  • 避免使用PyCharm创建新环境
  • 保持项目与环境的对应关系
  1. 常见问题处理
  • 解释器未识别：检查conda路径是否正确
  • 环境切换失败：重启IDE或更新conda
  • 快捷键冲突：Settings → Keymap调整

附录：术语修正对照表
原错误词 → 正确术语
PYTHM → PyCharm
CONNEENVIRONMENT → Conda Environment
mini 康纳 → Miniconda
PYTHX → PyCharm
CONA → Conda

（注：本文档已根据课程内容进行技术细节校对，确保操作步骤与专业术语的准确性。建议配合官方文档使用以获得最佳配置体验。）

4：Jupyter安装和代码运行

Jupyter Notebook 开发环境使用教程

一、Jupyter Notebook 简介

  1. 工具定位：
  • 基于网页的轻量化开发环境（对比PyCharm更轻量）
  • 支持在浏览器中直接编写、运行和展示代码
  • 代码执行结果实时显示在代码块下方
  1. 核心特点：
  • 通过网页形式访问，需要浏览器支持
  • 支持交互式编程开发
  • 文件格式为.ipynb（Jupyter Notebook专用格式）

二、安装步骤

1. 通过Anaconda安装

# 在Anaconda PowerShell中执行（base环境下）
conda install jupyter notebook

2. 环境说明

  • 建议在目标开发目录下启动
  • 默认使用系统base环境安装

三、启动与使用

1. 启动流程

# 切换至目标开发目录（示例）
cd D:\mycode

# 启动服务
jupyter notebook

2. 访问方式

  • 自动弹出默认浏览器访问http://localhost:8888
  • 手动访问时可复制命令行生成的访问链接

四、常见问题解决方案

1. 启动报错处理

错误提示：No such file or directory: 'nul'

解决方法：

  1. 定位文件路径：D:\miniconda3\Lib\site-packages\ipykernel\iostream.py
  2. 修改代码段：
# 原错误代码
open(os.devnull, 'w')

# 修改后
open('nul', 'w')

五、开发实践

1. 创建新脚本

  1. 点击右上角【New】→ 选择【Python 3】
  2. 默认生成Untitled.ipynb文件

2. 重命名脚本

  1. 点击文件标题（显示"Untitled"的位置）
  2. 输入新名称（如hello_world）
  3. 文件将保存为hello_world.ipynb

3. 代码执行

  • 快捷键：Ctrl + Enter 执行当前单元格
  • 工具栏按钮：点击【运行】按钮

六、注意事项

1. 文件管理

  • 文件后缀为.ipynb，不可用Python直接执行
  • 启动前需确保已切换至目标工作目录（Jupyter无法访问上级目录）

2. 环境管理

  • 不同conda环境需单独配置Jupyter内核
  • 建议为每个项目创建独立环境

七、功能优势

  • 支持Markdown与代码混编
  • 可保存代码执行结果（含图形/表格输出）
  • 支持分块调试代码
  • 网页端操作方便远程开发

附录：命令速查表

操作命令/快捷键
安装Jupyterconda install jupyter notebook
启动服务jupyter notebook
执行单元格代码Ctrl + Enter
新增单元格B（下方）/A（上方）
切换单元格类型Y（代码）/M（Markdown）

提示：可通过jupyter notebook --help查看完整命令参数说明

本教程完整演示了从环境搭建到开发实践的完整流程，适用于Python数据分析、机器学习等交互式开发场景。建议结合版本控制工具（如Git）管理.ipynb文件。

5：Jupyter常用快捷键

《Python开发工具与Jupyter Notebook使用指南》

（根据课程录音整理，已校正文字错误）

一、Jupyter Notebook核心操作

  1. 单元格操作快捷键
  • 命令模式下按[B]键：在当前单元格下方创建新单元格
  • 命令模式下按[A]键：在当前单元格上方创建新单元格
    （注：示例演示在第一个单元格按A会创建第二个单元格，后续操作同理）
  1. 代码执行机制
  • 默认输出最后一行表达式结果
# 示例1：仅输出最后一行
hello_world_aa
hello_world_bbb  # 仅输出该行结果

# 示例2：print语句输出所有内容
print("Hello World 1")
print("Hello World 2")  # 两行都会输出
  • 使用Shift+Enter执行：
    • 下方无单元格时自动创建新单元格
    • 已有单元格则直接跳转至下方单元格
    • 始终将光标移至下一单元格
  1. 模式切换

  • 编辑模式（绿色边框）：

    • 可直接输入代码
    • 点击单元格或回车键进入

  • 命令模式（蓝色边框）：

    • 支持快捷键操作
    • 按ESC键进入

  • 模式转换：

    graph LR
  A[编辑模式] -->|ESC| B[命令模式]
  B -->|鼠标点击/回车| A
  1. Markdown功能

  • 命令模式下按[M]键切换为Markdown单元格

  • 支持中文注释与文档编写：

    # 示例

这是数据分析模块：

- 数据清洗
- 特征工程
- 模型训练

二、开发工具对比解析

  1. PyCharm特性
    √ 可关联现有Python环境
    √ 支持虚拟环境创建（但不建议）
    × 非必要运行工具（可用其他工具替代）

  2. Jupyter特性
    √ 基于浏览器的交互式开发
    √ 分段执行脚本功能
    × 模式颜色说明（绿色编辑/蓝色命令）

三、知识测验答案

  1. PyCharm相关问题：
    错误说法：C选项"不能创建新环境"（实际支持但建议使用其他方式）

  2. Jupyter相关问题：
    错误说法：D选项"绿色框为命令模式"（实际应为编辑模式）

四、工具使用建议

  1. 开发场景推荐：
  • 复杂项目开发 → PyCharm
  • 数据分析/算法调试 → Jupyter
  • 教学演示 → Jupyter
  1. 环境管理最佳实践：
conda create -n myenv python=3.8
conda activate myenv
jupyter notebook

注：本教程适用于Jupyter Notebook 6.4+版本，不同版本快捷键可能略有差异。建议通过Help→Keyboard Shortcuts查看最新快捷键列表。

6：Conda虚拟环境创建与Python模块安装

以下是经整理校正后的Conda虚拟环境课程文档：

Conda虚拟环境管理指南

一、使用虚拟环境的必要性

  1. 多版本Python共存需求
    • 企业开发中常需同时处理多个项目，不同项目可能依赖不同Python版本（3.5/3.6/3.7等）
    • 通过虚拟环境隔离不同Python版本环境
  2. 避免依赖冲突
    • 不同项目可能使用不同框架（如PyTorch/TensorFlow）
    • 框架依赖的底层库版本可能冲突（如CUDA版本、NumPy版本）
    • 环境隔离可防止包更新导致的兼容性问题

二、创建虚拟环境

1. 基础命令

conda create --name my_first_env python=3.6
  • --name 或 -n：指定环境名称
  • 末尾参数：指定Python版本

2. 执行流程

  • 命令输入后需确认安装（输入Y回车）
  • 安装成功后生成环境目录（默认路径：Miniconda3\envs\环境名）

3. 环境存储路径查询

conda info

三、环境管理

1. 查看所有环境

conda env list

2. 激活/切换环境

conda activate my_first_env
  • 激活后命令行前缀显示当前环境名

3. 查看环境中的包

conda list    # 显示所有软件包（含非Python依赖）
pip list      # 仅显示Python包

四、Python包管理

1. 使用pip安装

(1) 配置国内镜像（推荐）

Windows系统：

  1. 创建路径：C:\Users\用户名\pip\pip.ini
  2. 添加内容：
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

(2) 安装/卸载示例

pip install numpy==1.16.5   # 安装指定版本
pip uninstall numpy         # 卸载包

2. 使用conda安装

(1) 配置镜像

创建/修改~/.condarc文件：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

(2) 安装/卸载示例

conda install tensorflow    # 安装最新版
conda remove pytorch        # 卸载包

五、工具对比

特性condapip
管理范围Python + 非Python依赖仅Python包
依赖处理自动处理复杂依赖链仅处理Python依赖
卸载行为连带删除依赖包仅卸载指定包
推荐场景含非Python依赖的复杂环境纯Python项目

六、注意事项

  1. 环境隔离优势
    • 各项目独立维护依赖版本
    • 新项目升级依赖不影响旧项目
    • 避免全局环境污染
  2. 镜像配置差异
    • Linux/Mac系统配置文件路径：
      • pip：~/.pip/pip.conf
      • conda：~/.condarc
  3. 安装建议
    • 优先使用conda安装含C/C++扩展的包
    • 仅Python包可使用pip安装
    • 避免混用conda和pip安装同一包

通过本指南可系统掌握虚拟环境创建、管理和包安装的核心操作，建议通过实际项目实践加深理解。环境管理是Python开发的重要基础能力，良好的环境隔离习惯能显著提升开发效率和项目稳定性。

7：关联虚拟环境运行代码

Python虚拟环境应用详解

一、命令行方式使用虚拟环境

  1. 激活虚拟环境
conda activate my_first_env

激活成功后，命令行提示符前会显示虚拟环境名称（如(my_first_env)）

  1. 执行Python脚本
python D:\code\welcome.py
  • 确保已切换到脚本所在目录
  • 脚本将使用虚拟环境的Python解释器执行

二、PyCharm集成开发环境配置

  1. 新建项目指定虚拟环境
- 创建项目时选择`Existing interpreter`
- 路径指向虚拟环境的`python.exe`
  （默认路径：`conda_envs\my_first_env\python.exe`）
  1. 现有项目切换虚拟环境
File > Settings > Project: <项目名> > Python Interpreter

1. 点击右上角齿轮图标选择`Add`
2. 选择`Conda Environment`
3. 定位到虚拟环境目录选择`python.exe`
4. 点击`OK`完成切换

三、Jupyter Notebook关联虚拟环境

  1. 安装内核依赖
conda activate my_first_env
pip install ipykernel
  1. 注册内核到Jupyter
conda activate base
python -m ipykernel install --user --name my_first_env --display-name "First_ENV"
  1. 验证与使用
启动Jupyter Notebook：
jupyter notebook

创建新Notebook时：

- 点击`New`按钮选择注册的内核`First_ENV`
- 已存在的Notebook可通过`Kernel > Change kernel`切换
  1. 内核管理
# 查看已注册内核
jupyter kernelspec list

# 删除指定内核
jupyter kernelspec remove my_first_env

四、随堂测试解析

测试题1：创建虚拟环境命令

正确答案：conda create -n py17 python=3.8

错误选项解析：

  • conda env list：列出已有环境
  • conda activate py17：激活环境
  • conda remove -n py17 --all：删除环境

测试题2：模块管理说法辨析

错误说法：pip卸载模块时会连带卸载其所有依赖模块
正确解析：

- conda卸载时会检查依赖关系
- pip仅卸载指定模块，保留依赖
- 非Python依赖推荐使用conda管理

五、技术要点总结

  1. 环境切换本质
所有方法的核心都是指向虚拟环境的Python解释器：
/path/to/conda_envs/<env_name>/python.exe
  1. 工具选择建议
- 简单脚本 → 命令行方式
- 复杂项目 → PyCharm集成开发
- 数据分析 → Jupyter Notebook
  1. 环境管理规范
- 每个项目独立环境
- 定期清理无用内核
- 优先使用conda安装基础依赖
- 复杂依赖建议导出环境配置文件：
  conda env export > environment.yml
上次编辑于: 2025/5/11 18:12:24
贡献者: jiang