第2章：验证环境搭建——Python虚拟环境创建、依赖管理、版本控制工具选择

说实话，很多做算法验证的朋友，一开始都栽在环境搭建上。

我自己就吃过这个亏。刚入行那会儿，项目里同时跑着三个算法，每个依赖的Python版本都不一样。结果呢？装一个库，崩另一个库。折腾了两天，最后老老实实把环境全清了，从头搭虚拟环境。

嗯，这节课咱们就把这块彻底讲透。

2.1 为什么必须用虚拟环境？

你想想看，一个算法项目，可能依赖numpy 1.19，另一个项目需要numpy 1.24。如果全装到系统Python里，冲突是迟早的事。

虚拟环境说白了，就是给每个项目一个独立的“小房间”。房间里装什么库、什么版本，互不干扰。

2.2 Python虚拟环境创建实战

我个人习惯用 venv，它是Python 3自带的，不需要额外安装。当然，如果你喜欢 conda 也可以，但咱们先从最轻量的开始。

2.2.1 使用 venv 创建环境

# 创建虚拟环境（在项目根目录下执行）
python -m venv venv

# 激活环境（Windows）
venv\Scripts\activate

# 激活环境（macOS/Linux）
source venv/bin/activate

激活后，你会看到命令行前面多了 (venv) 字样。这就说明你已经在虚拟环境里了。

2.2.2 使用 conda 创建环境（备选）

如果你做的是深度学习相关的算法验证，conda 会更方便。它不仅能管理Python包，还能管理CUDA、cuDNN这些底层依赖。

# 创建环境并指定Python版本
conda create -n algo_verify python=3.9

# 激活环境
conda activate algo_verify

我在项目中遇到过一个问题：用 venv 装PyTorch，死活装不上GPU版本。换成 conda 后，一行命令搞定。所以，选哪个工具，看你的具体场景。

2.3 依赖管理——别让“环境不一致”坑了你

环境搭好了，接下来就是装依赖。这里有个常见的坑：你本地跑得好好的，交给同事就报错。为什么？因为依赖版本不一样。

解决方案很简单：用 requirements.txt 锁定所有依赖版本。

2.3.1 生成 requirements.txt

# 导出当前环境的所有依赖及版本
pip freeze > requirements.txt

生成的文件长这样：

numpy==1.24.3
pandas==2.0.1
scikit-learn==1.2.2
matplotlib==3.7.1

2.3.2 从 requirements.txt 安装

# 在新环境中一键安装所有依赖
pip install -r requirements.txt

2.3.3 依赖分组管理（进阶）

有些依赖只在开发时用，比如 pytest、black。我习惯把它们分开：

# requirements-base.txt（核心依赖）
numpy==1.24.3
pandas==2.0.1

# requirements-dev.txt（开发依赖）
-r requirements-base.txt
pytest==7.4.0
black==23.3.0

这样，部署时只装 requirements-base.txt，开发时再装 requirements-dev.txt。

2.4 版本控制工具选择——Git 还是其他？

做算法验证，版本控制不只是管代码，还要管数据、模型、实验配置。我个人强烈推荐 Git，配合一些最佳实践，能省很多事。

2.4.1 Git 基础配置

# 初始化仓库
git init

# 创建 .gitignore 文件（忽略虚拟环境、缓存等）
echo "venv/" >> .gitignore
echo "__pycache__/" >> .gitignore
echo "*.pyc" >> .gitignore

2.4.2 分支策略建议

对于算法验证项目，我建议用简单的分支策略：

分支	用途
main	稳定版本，通过验证的代码
dev	日常开发，算法调试
feature/xxx	新算法或新功能实验

我在项目中遇到过这种情况：在 main 上直接改代码，结果改崩了，回退都麻烦。后来强制要求所有改动先走 feature 分支，合并前必须 review。嗯，从此清净多了。

2.4.3 版本号规范

每次验证通过后，打个 tag 标记版本：

# 语义化版本号：主版本.次版本.修订号
git tag v1.0.0
git push origin v1.0.0

这样，哪天发现新版本有问题，可以快速切回旧版本对比。

2.5 知识体系总览

下面这张图，概括了本章的核心逻辑：

2.6 避坑指南

最后，分享几个我踩过的坑：

• 不要在系统Python里装包。 我曾经图省事，直接在系统环境里装了个库，结果把系统自带的工具搞坏了。重装系统？不存在的，老老实实重配环境。
• requirements.txt 要手动检查。 pip freeze 会导出所有依赖，包括一些隐式依赖。我建议只保留你直接引用的库，去掉那些自动带进来的。
• Git 提交前先更新 requirements.txt。 我定了个规矩：每次提交代码前，先跑一遍 pip freeze 更新依赖文件。这样别人拉下来直接就能跑。

好了，环境搭建这块就讲到这里。说白了，就是三个词：隔离、锁定、追溯。把这三点做到位，你的算法验证之路会顺畅很多。