开发环境的构建
开发环境的构建
homepage
#开发环境的构建 所谓“工欲善其事，必先利其器”。我们必须构建好了开发环境，才能进行代码的开发与运行。开发环境的构建主要分为两大方法， 其一是借助Anaconda等工具进行虚拟环境的构建。其二是直接在系统中进行环境的构建。在虚拟环境中构建开发环境非常便捷，并且 由于环境相互独立，可以实现很多特殊需求。因此我们推荐在虚拟环境中进行开发与运行。然而，有些项目下，会要求程序必须在 系统环境下运行甚至开发。针对这种情况，我们也会介绍在系统下直接配置开发环境的方法。 ##虚拟环境的构建 这一部分中，我们从实装Anaconda开始，介绍虚拟环境的创建与管理。 ###虚拟环境的简介 构建虚拟环境，可以看作是构建了一个或数个相互独立的开发与运行环境。在不同环境中，你可以使用不同的模块，同一模块的不同 版本，甚至不同版本的Python而没有相互冲突，这是直接在系统环境中安装Python与模块所做不到的。我们可以通过以下几个案例 来了解到虚拟环境的优势。 >案例一：某委托外包项目中，承接会社A的一个既有项目，在其上进行新功能开发。会社A以前在这个项目上遗留的是基于Python 2.5 >开发的上古代码，尽管已经年久失修，但核心部分仍可以正常运行。并且当时进行开发的程序员Bさん已经跳槽跑路，不会再提供对其代码的技术 >支持。而新功能由于所需的一部分模块只提供Python3的版本，则需要在Python 3.6上进行开发。由于工程日期紧迫，没有条件对 >Python 2.5的代码进行移植，只能兼容运行新旧两部分代码。在这种条件下，使用两个独立的进行开发与运行，完美满足了项目需求。 >案例二：某项目组要同时使用Pytorch和TensorFlow进行开发，而最新版的Pytorch与TensorFlow所支持的的CUDA Toolkit版本不同。 >一台电脑上不可能同时安装两个不同版本的CUDA Toolkit，版本问题无法协调。于是在系统上配置好显卡的驱动之后，分别在两个虚拟 >环境中，配置不同版本的CUDA Toolkit与对应的CuDNN模块，完美解决了CUDA Toolkit版本冲突的问题。 >案例三：实验室新米成员后辈小K，缺乏编程经验，初次学习编程，使用Python。在自己的电脑上一顿操作猛如虎，系统环境被配置 >的一团糟，已经无法正常运行基本程序，只好求助前辈重置系统，并对实装环境产生心理阴影。转而使用虚拟环境之后，仿佛打开了新世界的大门。 >一天删除环境八次，在不断的尝试与错误之后，掌握了环境的构建与管理的方法。 总结一下，虚拟环境可以独立地配置不同版本的Python与相应模块，可以满足多种开发需求。并且由于虚拟环境独立于系统，可以方便地 新建或者删除而没有后顾之忧，在实际的开发中，非常实用。 ## Anaconda的实装 有很多种可以配置虚拟环境的方法，这里我们推荐使用Anaconda。Anaconda是目前非常流行的一种解决方案。不止提供了虚拟环境的功能。 还提供了很多支持的第三方的软件与一部分模块的安装，使用起来非常方便。 首先我们访问Anaconda的官方网站，在上面可以获取最新版本的Anaconda的下载，可以点击下面的链接进行访问。 [Anaconda](https://www.anaconda.com/) 注意在下载的时候要下载我们所需要的版本的Anaconda。  在上侧，我们要选择自己要适配的OS的类型，是Windows，MacOS还是Linux。下侧，我们要选择使用的Python的版本，我们课程中基本上都使用 Python 3，因此我们选择左边的3.7版的Anaconda。在实际使用中，我们还可以更改Python的版本。另外注意使用64-Bit系统的情况 下，选择64-Bit的版本进行下载。 下载完成之后我们就进行安装，要注意记住Anaconda的安装路径，之后在一些场合可能会用得到。其他的选项基本保持默认进行安装就可以。 ##虚拟环境的创建/管理 初装Anaconda之后，Anaconda已经为我们实装了一个基础的虚拟环境，环境名为“base”。我们接下来，将学习虚拟环境的创建，管理，撤销等。 ###Anaconda GUI的场合 Anaconda自带GUI，可以使我们非常方便地对环境进行各种变更或者管理。 打开Anaconda Navigator。使用Windows的场合，我们可以打开搜索栏，搜索“Anaconda Navigator”。而在Linux中，我们可以打开终端，键入 anaconda-navigator， 敲击回车，启动Anaconda Navigator。 在左侧的选项卡中，我们选择Environments，以对虚拟环境进行管理。  注意，这时候列出了已经创建了的虚拟环境，我们可以通过点击不同的环境名标签进行切换。 点击左下角的Create图标，我们来创建一个新的环境，这时候弹出一个对话框，如下。我们可以在对话框中对新环境进行命名， 并选择Python的版本。  我们来创建一个名为“test”的Python 3.6的环境。在Name后填入环境名“test”，并在Python前面的checkbox中打勾，在下拉菜单中， 选择3.6。（如图）  点击Create，创建环境。  这时候我们可以在左侧的环境列表中看到刚刚创建的新环境“test”。如果这时候没有在这个环境下，注意点击这个环境以激活它。 接下来我们来学习安装ipython模块。ipython模块使我们可以在Python console中方便地进行路径操作，如同在Linux Terminal中。 在将来我们可能会用到这个模块。  在左上角的下拉选项中选择“All”， 并在右侧搜索栏中键入“ipython”。在ipython前面打勾之后，在界面右下角点击Apply。 这时候弹出一个对话框，Anaconda不止要安装ipython这一模块，还要一并安装所有环境中缺失的，ipython的运行需要依赖的模块。 （如图）  我们继续选择Apply。等待数秒，ipython和它运行所依赖的模块，就下载安装完成了。 当我们需要卸载模块的时候，类似的，我们先在环境中搜索这个模块。点击checkbox前面的对勾，可以卸载这个模块，或者指定安装这一模块的其他版本。  卸载时，Anaconda也会检查环境中这一模块依赖运行的其他模块，如果没有别的模块依赖运行这些模块的话，Anaconda会将它一并卸载。（如图）  如果我们需要创建一个和“test”非常相似的环境，那么我们可以克隆这一环境，并在之上进行更改。激活需要被克隆的环境之后， 点击左下角的Clone，在弹出的对话框中，对新环境命名之后，克隆这一环境到新环境中。（如图）  如果一个环境不再需要继续使用，希望移除这个环境，则可以在激活这一环境之后，在左下角用Remove图标来移除它。在移除环境之前， 一定要反复确认，移除的确实是自己需要移除的环境，千万不要在激活了其他环境的情况下错误地进行移除环境的操作。 以上就是关于Anaconda GUI （Navigator）进行环境配置的一个简单介绍。 ### Anaconda CLI的场合 Anaconda自带CLI功能。在一些特殊的场合，例如我们使用Shell远程连接客户的机器时，可能无法访问GUI，这时候我们可以使用CLI来进行虚拟环境的操作。 同时，由于CLI操作更加简洁，功能更多，我们在很多时候也会更优先使用CLI进行操作。 在Windows下，我们可以使用搜索功能，搜索anaconda，在结果中，选择Anaconda Prompt。这是添加了Anaconda管理功能的windows cmd终端。 也就是说，除了Anaconda的环境管理外，这个终端还具有完整的cmd功能。 而在Linux下，正常安装Anaconda之后，我们只要直接打开终端，键入相应的命令就可以。 打开终端（Windows的Anaconda Prompt或Linux的终端）， 我们首先键入以下命令并回车。 ``` conda env list ``` 这个命令可以列出现在Anaconda中所有的环境，及它们所在的物理路径，可以得到类似如图的结果，其中名后带有星号的环境就是目前激活的环境。 这一点也可以在命令行前的括号中看出来。  展示的环境中，存在两个环境，除了默认的“base”环境外，还有一个我们已经创建了的“Normal”环境。在Windows下，我们可以键入以下命令来切换激活这一环境。 ``` activate [env name] ``` 请注意，上面这条命令适用于Windows，对于linux，我们需要在终端中键入以下命令： ``` souce activate [env list] ``` 我们可以看到，环境列表中的星号已经转到了“Normal”环境前，提示符前面的括号里也已经从“base”变成了“Normal”（如图）。  如果我们想要关闭现在激活的环境，回到默认的“base”环境，可以键入以下命令： ``` conda deactivate ``` 现在我们来创建一个新的环境，假设我们要创建一个名叫“test”的虚拟环境，Python的版本为3.6.8，参考以下的命令： ``` conda create -n [env name] python=[Python version] ``` 之后会提示你，将下载安装相应的内容，键入y并回车确认。（如图）  等待数秒的下载与安装后，一个新的虚拟环境就创建完成了。使用命令查看虚拟环境列表，可以发现，这个环境已经被添加进了列表中。 接下来我们来为这个环境安装ipython。首先使用命令激活环境“test”，然后然后参考下面的命令，来安装ipython。 ``` conda install [package name] ``` 类似的，我们需要确认在这个环境中下载安装相应的内容。等待数秒之后，安装已经完成了。 而如果我们想在环境中卸载特定内容，则可以参考下面的命令： ``` conda remove [package name] ``` 经过确认之后，相应的包就会被从环境中移除。 与GUI相同，我们在CLI中也可以克隆环境。参考以下命令： ``` conda create -n [env name] --clone [name of env to be cloned] ``` 同样的，我们也可以使用CLI移除环境，参考以下命令： ``` conda env remove -n [env name] ``` 如果要查看目前环境中所有已经安装的包，则可以使用以下命令： ``` conda list ``` 打印出的信息，会列出已经在环境中安装了的包的名称和版本等信息。 除去这些在GUI中也可以做得到的工作之外，我们还能在CLI中做一些GUI中不方便做的工作。 我们在GUI中，等于安装的包都是Anaconda提供安装的，然而Anaconda的模块库并不全，在一部分开发的工作中，我们会用到一些Anaconda没有提供的包。 这种场合下，我们可以考虑从PyPI中进行安装。PyPI中有比Anaconda官方提供的更加丰富的包的种类。参考以下命令进行包的安装： ``` pip install [package name] ``` 需要特别注意的是，有很多包在Anaconda库和pip库中是共存的，**千万不要使用conda和pip将相同的包安装两遍**。在安装一个新的包之前， 如果不确定，一定要查看以下是否已经安装了相应的包，并且通过PyPI安装的包会在channel一栏中注明（如下图）。  而在PyPI中安装的包也可以通过以下命令来卸载: ``` pip uninstall [package name] ``` 需要注意的是，pip下卸载的命令和conda中不同，不是使用“remove”，**而是“uninstall”**。 另外，在PyPI中安装的包，在进行环境克隆时，**并不会被复制到新环境**， 只有使用conda安装的包才会被复制，在实际应用中，请千万注意这一点。 此外， 使用PyPI，可以直接导出所有已经安装的包和版本信息，使用如下命令可以指定目录的路径： ``` pip freeze > [content file path] ``` 导出的是一个一般的文本文件，并且是可编辑的（如图）。  同样的，可以利用这一目录文件，安装目录上所有的包，使用如下命令： ``` pip install -r [content file path] ``` 这里要注意在安装前，检查目录中的内容。 ###Spyder3与VS Code Spyder3和VScode是两款非常受开发者欢迎的IDE。在Anaconda中，这两款IDE也得到了集成。 如果我们使用GUI打开Anaconda，可以发现，在默认环境base下，Spyder3已经默认安装了，而VScode也可以一键进行安装。（如图）  注意这个界面在“Home”选项卡中，并且可以切换使用的虚拟环境。点击Spyder下面的“Launch”就可以启动这个环境下的Spyder3， 并且可以通过点击VS Code下的“Install”来安装VS Code，并在这一环境中使用它。 使用CLI的场合，也可以使用以下命令来安装Spyder3： ``` conda install spyder ``` 并且，在CLI中直接键入Spyder并回车，就可以启动Spyder3。 ###Pycharm Pycharm是一款非常受Python开发者欢迎的IDE，Pycharm自带有虚拟环境的功能，并且也可以使用Anaconda的虚拟环境。 在Pycharm中创建新的项目，会弹出一个对话框（如图）  在这个对话框中，我们可以进行新项目的创建，其中，路径之下的选项卡，展开之后，就可以配置解释器。（如图）  其中，我们有三种方法来创建一个新的环境，我们介绍其中两种。第一种是使用Pycharm自带的（或者说是Python自带的）虚拟环境功能。 选项选为“Virturalenv”，我们可以编辑这个环境所在的位置。这种方法是创建一个新的虚拟环境，注意，这个环境是Anaconda不能管理的。 我们可以通过在Pycharm的Terminal中，使用PyPI来管理这个环境中的包。 而另外一种方式则是创建一个新的Anaconda的环境（如图）。  这种方法将会创建一个新的Anaconda的虚拟环境，可以编辑环境路径，并选择Python的版本。这个环境将是可以在Anaconda中进行管理的。 另外，Pycharm还可以使用一个已经存在的虚拟环境，选择下部的“Existing interpreter”，定位相应的Anaconda的环境中的解释器的位置， 就可以使用现存的Anaconda环境了。 ##系统开发环境的构建 某些特定情况下，尤其是涉及到了部分系统的运行的资源与权限的问题时，可能会要求我们所开发的程序必须运行在系统环境下。 针对这种需求，我们就来学习如何构建系统开发环境。需要注意的是，系统开发环境的配置与管理失误，可能会使开发或者运行工作陷于非常困难的境地， 在这一过程中，一定要谨慎。 ###系统开发环境的构建-Windows的场合 首先，我们需要下载Python。我们可以访问Python的官网来下载Python，链接在下。 [Python官网](https://www.python.org/) 请注意选择正确的版本进行下载，下载共Windows使用的，对应版本的Python。之后我们就可以双击进行安装。安装界面如下。  在安装时，我们在“Add Python to PATH”前面的checkbox打勾的话，可以在安装的同时，为其添加系统变量。 如果在安装时忘记了这个选项，我们也可以手动进行添加。 在桌面的“This PC”图标上点击右键，选择弹出菜单的“Properties”。可以看到弹出的系统信息对话框（如图）。  点击其中右边的“Advanced system settings”，弹出系统属性对话框（如图）。  选择右下角的“Environment Variables”，来添加系统变量。 在弹出的对话框中，我们注意选择下方“system variable”中的“Path”，对其进行新建系统变量。（如图）  将Python的路径添加进系统变量列表。需要注意的是，我们还需要使用pip（PyPI）来对环境进行管理，所以需要把Python路径下的“Scripts” 目录也添加进系统变量。之后，可以打开cmd，尝试键入python并回车，此时，应该能正常地进入Python的交互界面。 ###系统开发环境的构建-Linux的场合 Linux有多种多样的发行版，其中比较常见的被商业使用的有Ubuntu，CentOS，RedHat，Linux Mint等等。我们这里以Ubuntu 18.04 LTS （目前最新的LTS版本的Ubuntu）为例。 由于Ubuntu可以使用Advanced Package Tool （apt），我们可以非常方便地管理系统内的主流软件。相似的，CentOS也可以使用yum等工具。 在Ubuntu 18.04 LTS中，已经默认安装了Python3，只要你打开终端，在其中键入“python3”并回车，就可以进入Python的交互界面。 然而，在相对更早的版本的Ubuntu中，默认安装的是Python2，例如在各种平台上目前应用非常广泛的Ubuntu 16.04 LTS。这时候就需要你手动添加Python3了。 在终端中键入以下命令： ``` apt-get install python3 ``` 需要注意的是，添加应用一般需要超级用户权限，前面可能需要添加“sudo”。 此外，我们还需要pip（PyPI）来对环境中的包进行管理，使用如下命令，安装pip到系统中： ``` apt-get install python3-pip ``` 需要特别注意的一点是，在很多Linux的发行版中，“Python”默认代指Python2，例如上面的例子中，如果安装时忘记指定安装Python3，而是直接安装“Python”， 那么安装在系统中的将是Python2和适合Python2使用的PyPI。
content
戻る
