Windows环境下VSCode + Jupyter + Conda的AI学习环境配置指南

目录

Windows环境下VSCode + Jupyter + Conda的AI学习环境配置指南

优点

1. 安装Anaconda

2. 安装Visual Studio Code

3. 在VSCode中配置Python环境

4. 安装和配置Jupyter

5. 创建和管理虚拟环境

6. 安装常用的AI/ML库

7. 测试环境

8. 常见问题及解决方案

优点

vscode 编辑能力强

conda 环境自动维护，不需要自己去找，直接指定环境即可

jupyter 牛

1. 安装Anaconda

Anaconda是一个开源的Python发行版，包含了conda、Python等180多个科学包及其依赖项。

1. 访问Anaconda官网下载Windows版安装包。

2. 运行下载的安装文件，按照安装向导进行安装。

   - 建议安装路径不要包含空格或中文字符。

   - 选择"为所有用户安装"（推荐）。

   - 勾选"添加Anaconda到系统PATH环境变量"。

3. 安装完成后，打开命令提示符（CMD），输入`conda --version`确认安装成功。

2. 安装Visual Studio Code

VSCode是一个轻量级但功能强大的源代码编辑器。

1. 访问Visual Studio Code官网下载Windows版安装包。

2. 运行安装文件，按照向导进行安装。

   - 建议勾选"添加到PATH"选项，方便从命令行启动VSCode。

3. 安装完成后，启动VSCode。

3. 在VSCode中配置Python环境

1. 在VSCode中，打开扩展商店（Ctrl+Shift+X）。

2. 搜索并安装以下扩展：

   - Python

   - Jupyter

3. 安装完成后，重启VSCode。

4. 安装和配置Jupyter

Jupyter已经包含在Anaconda安装中，但我们需要在VSCode中进行一些配置。

1. 打开VSCode。

2. 使用快捷键`Ctrl+Shift+P`打开命令面板。

3. 输入"Python: Select Interpreter"并选择。

4. 从列表中选择你的Anaconda Python环境。

5. 创建和管理虚拟环境

虚拟环境可以帮助你为不同的项目创建隔离的Python环境。

1. 打开Anaconda Prompt（从开始菜单搜索）。

2. 创建一个新的虚拟环境：

 conda create --name ai_env python=3.8

3. 激活环境：

conda activate ai_env

4. 在VSCode中，打开一个新的终端（Ctrl+`），确保它使用的是你刚创建的环境。

6. 安装常用的AI/ML库

在激活的虚拟环境中，安装以下常用库：

conda install numpy pandas matplotlib scikit-learn

conda install -c pytorch pytorch torchvision

conda install tensorflow

注意：根据你的需求，你可能需要安装其他特定的库。

pytorch 我推荐去官网直接复制命令，pytorch官网

7. 使用Conda安装Jupyter

        7.1 打开Anaconda Prompt（从Windows开始菜单搜索）。

        7.2 如果你想在特定的虚拟环境中安装Jupyter，先激活该环境：

<code>conda activate your_environment_name

         7.3 运行以下命令安装Jupyter：

conda install -c conda-forge jupyter

        7.4 安装过程中，系统会提示你确认安装，输入 'y' 并按回车确认

        7.5 安装完成后，你可以通过运行以下命令来验证安装：

jupyter --version

        7.6 将该环境注册为Jupyter内核：

python -m ipykernel install --user --name=your_environment_name

 8. 测试环境

1. 在VSCode中，创建一个新的Jupyter Notebook文件（.ipynb）。

2. 选择创建的内核：vscode 右上角

3. 在一个代码单元中输入以下代码并运行：

<code>import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import sklearn

import torch

import tensorflow as tf

print(f"NumPy version: {np.__version__}")

print(f"Pandas version: {pd.__version__}")

print(f"Scikit-learn version: {sklearn.__version__}")

print(f"PyTorch version: {torch.__version__}")

print(f"TensorFlow version: {tf.__version__}")

plt.plot([1, 2, 3, 4])

plt.ylabel('some numbers')

plt.show()

4. 如果代码运行成功并显示版本信息和一个简单的图表，说明环境配置成功。

9. 常见问题及解决方案

1. 问题：无法在终端中使用`conda`命令。

   解决方案：确保Anaconda已添加到系统PATH中。可以重新安装Anaconda并勾选相关选项。

2. 问题：VSCode无法找到Python解释器。

   解决方案：手动选择Python解释器路径，通常在Anaconda安装目录下。

3. 问题：安装某些包时出现错误。

   解决方案：尝试使用`pip install [包名]`替代`conda install [包名]`。

4. 问题：Jupyter Notebook无法显示图表。

   解决方案：确保已安装`ipykernel`，可以通过运行`conda install ipykernel`来安装。

5. 问题：CUDA相关错误（使用GPU时）。

   解决方案：确保已安装与你的NVIDIA显卡兼容的CUDA版本，并正确设置了环境变量。

记住，在遇到问题时，可以查阅官方文档或在Stack Overflow等平台寻求帮助。保持耐心，解决这些问题将加深你对开发环境的理解。

祝你在AI学习之旅中取得成功！