2.3 虚拟环境管理 - AI应用开发

🎯 学习目标

理解虚拟环境的作用与重要性
掌握venv创建和管理虚拟环境
学会使用conda管理环境
了解poetry等现代依赖管理工具

❓

为什么需要虚拟环境？

不同项目可能需要不同版本的依赖库。如果没有虚拟环境，所有项目共享系统Python环境，会导致版本冲突。

示例：项目A需要numpy 1.21，项目B需要numpy 1.24，没有隔离就会产生冲突。

图：虚拟环境为每个项目创建独立的依赖空间

🐍 venv - Python内置方案

创建与激活虚拟环境

# 创建虚拟环境
python -m venv .venv

# 激活虚拟环境
# Windows
.venv\Scripts\activate

# macOS/Linux
source .venv/bin/activate

# 验证当前环境
which python  # Linux/macOS
where python  # Windows

# 退出虚拟环境
deactivate
        

虚拟环境常用操作

# 在虚拟环境中安装包
pip install numpy pandas matplotlib

# 冻结依赖
pip freeze > requirements.txt

# 从文件安装依赖
pip install -r requirements.txt

# 删除虚拟环境（先退出）
rm -rf .venv  # Linux/macOS
rmdir /s .venv  # Windows
        

🌊 Conda - 数据科学首选

环境管理

# 创建新环境
conda create -n ai python=3.10

# 激活环境
conda activate ai

# 列出所有环境
conda env list

# 删除环境
conda remove -n ai --all

# 导出环境
conda env export > environment.yml

# 从文件创建环境
conda env create -f environment.yml
          

包管理

# 安装包
conda install numpy pandas

# 安装指定版本
conda install numpy=1.24

# 从pip安装
pip install some-package

# 列出已安装包
conda list

# 更新包
conda update numpy

# 搜索包
conda search scikit-learn
          

📊 venv vs conda 对比

特性	venv	conda
来源	Python内置	Anaconda/Miniconda
管理范围	仅Python包	Python + 系统依赖
Python版本	固定	可切换不同版本
GPU支持	需要手动配置	内置CUDA/cuDNN管理
包数量	PyPI海量	conda-forge较全
适用场景	纯Python项目	数据科学/AI开发

📦 Poetry - 现代依赖管理

Poetry工作流

# 安装poetry
pip install poetry

# 初始化新项目
poetry new my-ai-project
cd my-ai-project

# 或在现有项目中初始化
poetry init

# 添加依赖
poetry add numpy pandas
poetry add torch --group dev  # 开发依赖

# 安装所有依赖
poetry install

# 运行命令
poetry run python train.py

# 进入虚拟环境shell
poetry shell
        

💡

Poetry优势

Poetry自动处理依赖冲突，生成锁文件确保可复现性，是现代Python项目管理的推荐方案。

⚙️ .gitignore配置

# .gitignore - 忽略虚拟环境目录

# venv
.venv/
venv/
ENV/

# conda
.conda/

# poetry
.poetry/

# 其他
__pycache__/
*.pyc
.ipynb_checkpoints/
      

📝 本节小结

✅

• 虚拟环境隔离项目依赖，避免版本冲突
• venv是Python内置的轻量方案
• conda适合AI/数据科学开发，支持GPU依赖管理
• Poetry是现代项目的推荐依赖管理工具