第二章：环境搭建 —— 把工具箱先摆好
做计算化学与机器学习交叉的管线，第一件事不是写代码，而是搭环境。我在这个领域折腾了几年，踩过的坑有一半都出在环境不一致上。明明自己本地跑得好好的，换台机器就崩，这感觉你想想看，多憋屈。
这一章咱们就把 Python、RDKit、PyTorch、DLPack 这几样核心工具装好，并且验证它们能正常协作。我会把一些常见的坑提前指出来，帮你省掉半夜 debug 的时间。
2.1 为什么我先推荐 Miniconda
Python 版本混乱，包依赖经常打架。我个人习惯用 Miniconda 来管理环境，因为它既能隔离 Python 版本，又能控制 CUDA 驱动级别的兼容性。你可能会问：“直接用 pip 不行吗？” 行，但 conda 在处理 RDKit 这种带 C++ 后端的库时省心很多。
安装好 Miniconda 后，创建一个干净的环境：
conda create -n drug_pipeline python=3.10
conda activate drug_pipelinePython 3.10 是目前 RDKit 和 PyTorch 兼容性最好的版本。我试过 3.11，个别包还在适配，没必要冒风险。
2.2 安装 RDKit —— 化学家的瑞士军刀
RDKit 是处理分子结构的基础库。我们在管线里要用它读 SDF、画分子、计算指纹。你不装 RDKit，后面的配体处理全都白搭。
安装 RDKit 最靠谱的方式是用 conda：
conda install -c conda-forge rdkit不要用 pip 直接装，除非你特别清楚自己在做什么。我曾经图省事用 pip 装了一个版本，结果到 Mac 上 segfault，查了两天才发现是编译时的 OpenSSL 版本不符。conda 会帮你处理这些底层链接。
装完验证一下：
python -c "from rdkit import Chem; print(Chem.MolFromSmiles('CCO'))"如果能输出一个分子对象信息（不是 None），就对了。如果报错，大概率是 GCC 版本或 libcxx 问题，换 conda 源重装试试。
2.3 安装 PyTorch —— 选 CPU 还是 GPU？
PyTorch 是整个管线里负责深度学习的引擎。这里有个关键选择：你要用 GPU 吗？
如果你手头有 NVIDIA 显卡，且安装了 CUDA 驱动，那我强烈建议装 GPU 版本。蛋白配体预测的模型往往要训练几百个 epoch，哪怕只用 CPU 推断，一个 batch 也可能慢到怀疑人生。
GPU 版本的安装命令（以 CUDA 11.8 为例）：
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia如果你没有 GPU，或者想先在笔记本上跑跑原型，那就装 CPU 版：
conda install pytorch torchvision torchaudio cpuonly -c pytorch装完一定要验证一下：
python -c "import torch; print(torch.__version__); print('CUDA available:', torch.cuda.is_available())"| 场景 | 推荐命令 | 备注 |
|---|---|---|
| 有 GPU（CUDA 11.8） | conda install ... pytorch-cuda=11.8 |
记得先查 nvidia-smi 确认驱动版本 |
| 有 GPU（CUDA 12.x） | conda install ... pytorch-cuda=12.1 |
PyTorch 2.x 已支持 |
| 无 GPU / 仅 CPU | conda install ... cpuonly |
训练会很慢，但能跑 |
2.4 DLPack —— 打通张量传输的桥梁
DLPack 不是给所有人用的，但在我们的管线里它很重要。为什么？因为我们要在 PyTorch、RDKit（通过其他工具）甚至未来可能用到的 TensorFlow 之间共享张量。DLPack 提供了一个标准的内存布局，让不同框架之间零拷贝交换数据。
安装很简单：
conda install -c conda-forge dlpack或者用 pip：
pip install dlpack装完后做个基本测试：
python -c "import dlpack; print(dlpack.__version__)"在实际管线中，我们会把 PyTorch 模型输出的特征张量通过 DLPack 转化成其他框架能理解的格式，从而调用不同的评分函数。这个用法后面章节会展开，现在先确保它能被 import 就行。
2.5 其他辅助工具
除了上面三个主角，还有几个小工具会让开发更顺手：
- numpy —— 数值计算基础，conda 会自动装，但显式装一下没坏处。
- scipy —— 后面做聚类、距离矩阵时用。
- matplotlib / seaborn —— 画损失曲线、ROC 图。
- pandas —— 处理 CSV/TSV 数据，尤其是 binding 数据表。
- tqdm —— 进度条，跑批量训练时你会感谢它。
一行命令全装：
conda install numpy scipy matplotlib seaborn pandas tqdm2.6 整体验证 —— 跑一个小例子
环境搭没搭好，跑个简单的端到端测试最放心。我们来读一个分子，用 PyTorch 算个随机特征，再验证 DLPack 能把它转一下。
from rdkit import Chem
from rdkit.Chem import AllChem
import torch
import dlpack
# 读一个分子（咖啡因）
mol = Chem.MolFromSmiles('CN1C=NC2=C1C(=O)N(C(=O)N2C)C')
fp = AllChem.GetMorganFingerprintAsBitVect(mol, 2, nBits=2048)
# 转成 numpy，再转成 PyTorch 张量
import numpy as np
fp_np = np.array(fp, dtype=np.float32)
fp_tensor = torch.from_numpy(fp_np)
# 通过 DLPack 交换（演示用）
# 实际 dlpack 的 API 依赖具体版本，这里只验证 import 成功
print("RDKit:", Chem.MolToSmiles(mol))
print("Torch tensor shape:", fp_tensor.shape)
print("DLPack imported:", hasattr(dlpack, '__version__'))如果这段代码没报错，恭喜你，核心管线环境已经跑通了。
2.7 环境搭建总体流程
我把整个环境搭建的逻辑画成了一张图，方便你对照检查哪个环节漏了。