涉及Python环境配置、深度学习框架安装、常用数据处理和分析库、以及Python IDE的选择等内容。
1. Anaconda 安装与配置
• Anaconda Individual Edition：Anaconda 是一个开源平台，旨在简化数据科学的工作流程，提供了 Python 和超过 150 个科学计算包。它包含了 conda 包管理器，可以帮助用户轻松安装和管理不同的 Python 包和环境。
（1）Anaconda 的优势
• 提供了 Python 和常用的数据科学库（如 NumPy、Pandas、Matplotlib 等）的预配置安装。
• 支持 Python 2 和 Python 3 的环境管理，能够创建独立的环境来进行不同项目的开发。
（2） 环境配置
安装 Anaconda 后，需要进行环境变量配置，确保能够从命令行访问 Anaconda 提供的工具和环境。
• 创建、激活和删除环境：
• conda create -n <env_name> python=<version> 创建新环境。
• conda activate <env_name> 激活环境，conda deactivate 退出当前环境。
• conda remove -n <env_name> --all 删除环境。
2. GPU 配置与 PyTorch 安装
（1）GPU配置
• 安装显卡驱动 ： https://www.nvidia.cn/drivers/lookup/
• 安装CUDA toolkit： https://developer.nvidia.com/cuda-toolkit-archive
• 安装加速包cuDNN ： https://developer.nvidia.com/cudnn-download-survey
• (参考文章: https://blog.csdn.net/u013250861/article/details/135492064）
（2）PyTorch 安装
• 提供了根据不同操作系统、Python 版本和 CUDA 版本安装 PyTorch 的方法。
（https://pytorch.org/get-started/locally/）PyTorch 官方网站
• 建议使用 whl 文件进行离线安装，避免命令行安装速度慢的问题。https://zstar.blog.csdn.net/article/details/114783633
• PyTorch 验证：安装完成后，通过以下代码检查 PyTorch 是否安装正确，以及是否支持 CUDA 加速：
import torch
print(torch.__version__)
print('CUDA available:', torch.cuda.is_available())如果 PyTorch 安装正确，上述代码将打印出 PyTorch 的版本号，并显示 CUDA 是否可用。
3.Anaconda安装
（1）创建conda环境
• conda create -n your_env_name python=X.X（2.7、3.6..)
• conda activate your_env_name (激活环境)
• conda remove -n your_env_name –all % Removing the environment
• conda deactivate % Exit Environment
（2）查看conda环境
• conda info –e (查看你所创建的所有conda环境)
• conda list （查看当前conda环境下安装的python库）
（3）pip install安装第三方库
• pip list 列出当前 Python 环境中已安装的所有包及其版本号
• pip install <package name> 安装指定的包及其依赖项
• pip install -r requirements.txt
根据 requirements.txt 文件中列出的包和版本号，批量安装所有依赖的包
• pip uninstall <package name> 卸载指定的包
• pip install -U <package name> 升级指定包到最新版本
• pip freeze > ./requirements.txt
将当前环境中已安装的所有包及其版本号输出到 requirements.txt 文件中
常见问题：
time-out：换源 -i https://pypi.tuna.tsinghua.edu.cn/simple
如果你只需要处理 Python 环境中的库，使用 pip 就足够了；但如果你需要更强的依赖管理和环境隔离功能，尤其是在数据科学和深度学习领域，conda 是更好的选择
（1）安装包在命令窗口中键入：conda install package_name
eg: 要安装 pandas，在命令窗口中输入：conda install pandas
（2）卸载包在命令窗口中键入 ：conda remove package_names
eg: conda remove pandas3）
（3）更新包在命令窗口中键入：conda update package_name
最常用的pandas，和numpy都是已经安装好了的，不用再重复安装啦
4. 常用 Python 库
（1） 数据处理：
• NumPy：Python 中用于科学计算的基础包，提供多维数组对象和丰富的数组操作功能。
• Pandas：主要用于数据清洗、分析和操作，提供灵活的数据结构（如 DataFrame 和 Series），常用于处理表格型数据。
（2） 数据可视化：
• Matplotlib：Python 2D 绘图库，用于生成高质量的图形。
• Seaborn：构建于 Matplotlib 之上，提供更简洁的接口进行数据可视化，特别适合统计数据的可视化。
（3） 机器学习：
• Scikit-learn：Python 中的机器学习库，涵盖了数据预处理、模型训练、分类、回归、聚类、降维等多种机器学习任务。(https://scikit-learn.org/stable/)
• PyTorch：深度学习框架，提供构建和训练神经网络的功能，特别适合研究和开发深度学习模型。（https://pytorch.org/）
（4） 网络爬虫：
• requests：用于发送 HTTP 请求，获取网页内容。
• BeautifulSoup：用于解析 HTML 和 XML，适合网页数据抓取。
• Selenium：浏览器自动化工具，可以模拟用户与浏览器的交互，常用于动态网页的爬取。
5. IDE 的选择
• Pycharm：功能强大的 Python IDE，适合大规模 Python 项目的开发。
• Jupyter Notebook：交互式的开发环境，特别适合数据科学、机器学习模型的实验和调试。
• Spyder：一个专为科学计算设计的 Python IDE，适合数据分析和数值计算。
• VS Code：轻量级、可扩展的代码编辑器，支持 Python 开发。
6. 文献翻译与语法检查工具
• Zhiyun 文献：提供中文文献资源，便于查阅研究材料。www.zhiyunwenxian.cn
• DeepL 翻译：用于翻译英文文献。https://www.deepl.com/translator
• Grammarly：英语语法检查工具。• https://app.grammarly.com/
