Python开发环境的搭建

在阅读本文以前，我们认为你已经完成了brew和iTerm2的设置，并对如何让一门语言跑起来有所了解。

另：本文写作仓促，欢迎修改！

思路

先安装Python和miniforge，然后使用vscode和Pycharm编写Python代码

`Python`和`miniforge`的安装

`Python`

通常来说，我们学习的Python版本为Python3。我们使用brew安装，命令如下。这样你的电脑上就有一个Python环境，在终端输入python3就可以正常运行代码了。

brew install python3

`miniforge`

Conda是用来管理电脑环境的管理器，在Windows上广泛运行的是Anaconda。因为Anaconda对m系列芯片的Mac支持并不完善，我们使用miniforge这一Conda的精简版。你可以在miniforge的Github地址查看更具体的Readme。

安装步骤

参考资料：[Apple提供的tensorflow安装方法]（https://developer.apple.com/metal/tensorflow-plugin/）

下载安装脚本

地址如下，打不开请使用代理服务器。下文用shellFile指代下载到的文件，请自行替换。

Intel芯片地址：https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX-x86_64.sh

Apple芯片地址：https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX-arm64.sh

执行安装命令

chmod +x shellFile
sh shellFile

验证安装成功

conda info

`Conda`简介

参考资料：Getting started with Conda

基本概念

使用Python的过程中，最常见的一个问题就是他人写好的内容因为版本不同无法执行或者报错。这是Python的特点导致的，这里不过多赘述。为了解决这个问题，Conda应运而生。

Conda的概念就是：通过虚拟环境的方式运行相关的内容，使多个版本的Python及依赖可以同时存在，避免了安装卸载的麻烦。

使用概述

记得修改ENVNAME。

创建环境

conda create --name ENVNAME

激活环境

conda activate ENVNAME

关闭这个环境回到系统级的python

conda deactivate ENVNAME

从environment.yml等文件中中安装环境

conda env create -f environment.yml

`vscode`插件

关于vscode的介绍、安装和文件组织体系，见vscode的安装

vscode有Python系列插件，安装之后即可使用，个人认为易用度还是挺高的。

常用的插件有

python
Pylance
Python Environment Manager
Jupyter（插件包）

`Pycharm`安装和使用

到jetbrains官网下载Pycharm。在校学生具有免费使用专业版的资格，可以到https://www.jetbrains.com/community/education/#students申请。新建项目之前，在设置里面找到Python Interpreter，选择conda即可。新建或者使用现有的都可以。推荐日常学习的时候维护只要一个虚拟环境就可以了，不需要每次都重新安装依赖。

机器学习包安装指南

tensorflow

Apple提供的tensorflow安装方法很详细，笔者就不赘述了。

pytorch

在MacOS 12.3以上的版本，可以使用GPU加速运算。选择nightly版本的pytorch即可使用。在pytorch的主页有写到这一点。

Mac 指北