Python学习(X)—— Python简单环境搭建完整流程

写在前面

从Python最基础的语法知识,到Python项目的运行,其实中间有很多注意的点,精深的Python项目(如Python后端项目)这里不去涉及,回顾自己运行开源项目:Mask R-CNN 所浅尝辄止的点,在此梳理一下Python简单环境搭建完整流程(因为历史任务已经完成,要清理电脑了)。

01 Python语法

这里不赘述

02 Python编译器

官网下载

  • 版本问题的两个方面
  1. 学习Python语法、做算法题等简单使用场景(不需要单独创建Python虚拟环境(后文会介绍),使用默认的编译器),此时Python编译器版本并不重要,语法方面可能会有微小差别。
  2. 搭建运行项目,此场景下很少使用本地固定版本的编译器,一般使用Python虚拟环境。这样考虑的话,本地下载的编译器版本也并不重要。

综上,本地下载Python编译器版本其实并不是那么重要。

03 PyCharm

Python自带的命令行就可以编写运行Python语句和脚本,随编译器下载安装的IDLE就是最简单的IDE。当然可以使用记事本,VIM等等文本编辑器直接写脚本,但是作为非极客还是推荐比较成熟的的IDE —— PyCharm。
具体下载安装,关联上本地编译器这里不再赘述。

04 使用pip安装包

pip的使用详见 使用pip安装包
但有一点值得注意,使用pip安装的包物理位置都在当前Python编译器安装目录\Lib\site-packages中,这一点无论是系统Python还是虚拟环境中的Python都是适用的。

05 Python虚拟环境

为什么要Python虚拟环境

由于不同项目的需要和包兼容关系,Python编译器的版本往往变动很大,不可能为每一个项目下载安装一个编译器。同时为了方便包管理,引入了Python虚拟环境工具,可以定制特定的Python环境,此环境与系统Python环境相隔离,环境中的编译器和包自成一体。

conda创建虚拟环境+pip管理包

而Python虚拟环境的创建工具有很多,细分出来,创建虚拟环境又可以分为:创建基于特定版本Python编译器的环境+包管理工具。conda算的上是最常用的Python环境创建工具,既可以创建Python环境又可以管理包。
但是我们通常使用的是conda的wrapper —— Anaconda。
Python学习(X)—— Python简单环境搭建完整流程_第1张图片
关于Anaconda和conda,Python,pip的关系可以看这一篇:Python,pip,conda和Anaconda。
总而言之,有了Anaconda,我们可以创建自己想要的Python环境,并且利用conda中同样支持pip安装包的机制,实现包的管理。
这里注意一下,conda可以创建Python环境当然也可以管理包(从conda的中心仓库中下载),但是conda官方库(无论是Anaconda库还是Miniconda库)的包并不齐全,还是推荐使用pip管理包,即conda创建环境+pip管理包的模式。

PyCharm使用conda环境

PyCharm可以使用已经创建好的conda环境(详见: PyCharm使用Anaconda虚拟环境)。当然,关于这一点,有一点值得注意:PyCharm自带的也有一个Python虚拟环境创建工具 —— Virtualenv:
Python学习(X)—— Python简单环境搭建完整流程_第2张图片
包括Pipenv,但是这两个只能基于本地的编译器版本创建环境,但同时又与直接使用本地环境有所不同:直接使用本地环境时,第三方包安装在系统Python路径site-packages中,而PyCharm使用Virtualenv和Pipeenv创建的环境安装的第三包在别处(具体位置待补充)。

06 TensorFlow

如果使用Python进行深度学习的研究,使用GPU版本的TensorFlow是必不可少的步骤,这不仅牵扯到前面说到的Python虚拟环境的搭建,包的管理,还要涉及到机器硬件GPU,显卡驱动等等,其中的注意事项详见:
使用gpu进行训练和测试

你可能感兴趣的:(Python学习笔记,pip,Pycharm)