Windows数据科学环境搭建：18年经验避坑与高效配置

　　上周帮新来的实习生搭Windows数据科学环境，好家伙，三天踩了六个坑，我原以为现在的小孩儿至少会查文档，结果他连Anaconda和Miniconda都分不清——这倒罢了，关键是他装的Python 3.12，装完才发现PyTorch官方还不支持，得降级到3.10，降完又发现CUDA驱动版本不对，又得重装NVIDIA驱动，一来二去，光装环境就耗了两天，我坐旁边看都急出火来了。

　　其实这事儿搁18年前我刚入行那会儿也常见，那时候Windows装个R都得手动配环境变量，更别说什么深度学习框架了。但现在的坑不一样了——现在的坑是“看起来像优化，其实是坑”。比如有人为了“高效”直接用WSL2装Ubuntu跑数据科学，结果发现GPU加速得额外配，配完又发现Windows和WSL的文件系统同步慢得离谱，最后还是得老老实实回Windows原生环境；还有人为了“轻量”用Miniconda，结果装完发现缺一堆基础包，补包补到怀疑人生，最后还是重装了Anaconda。

　　楼道声控灯坏了，黑咕隆咚的，我摸钥匙时钥匙串上的褪色号码牌硌手——那是15年前第一份工作时工牌的编号，早该扔了，但一直没舍得。扯远了，说回环境搭建。我总结了三个“优胜劣汰”的坑，第一个是“版本兼容性”。现在数据科学工具链太长了，Python、CUDA、cuDNN、PyTorch/TensorFlow、Jupyter、VS Code...任何一个环节版本不对，整个环境就废。比如去年有个客户非要用最新版PyTorch，结果他的显卡驱动太旧，装完跑模型直接蓝屏，最后降了三个版本才稳住。所以我的经验是：除非有特殊需求，否则Python用3.10，CUDA用11.8，cuDNN用8.9，PyTorch用2.0，这些组合经过大量验证，基本不会出问题。

文章配图，仅供参考

　　第三个坑是“工具选择”。现在数据科学工具太多，光IDE就有VS Code、PyCharm、Jupyter Lab、Spyder...选哪个？我原以为VS Code是万能解，结果发现它对数据科学的支持得装一堆插件，装完还可能冲突；而Jupyter Lab虽然方便，但调试代码不如PyCharm顺手；Spyder又太老，功能更新慢。所以我的结论是：日常开发用VS Code（装Python、Jupyter、Pylance插件），调试用PyCharm（社区版足够），跑模型用Jupyter Lab（本地或远程），各取所长，别试图用一个工具搞定所有事。

　　楼下便利店老板在搬货，箱子堆得老高，挡住了半扇门。我原以为他会让我帮忙，结果他冲我摆摆手：“不用，这活儿我熟。”就像环境搭建，有些坑你得自己踩过才知道疼。比如有人为了“高效”用Docker装数据科学环境，结果发现Windows的Docker对GPU支持差，跑深度学习模型慢得离谱，最后还是得回原生环境；还有人为了“轻量”用Alpine Linux镜像，结果发现缺一堆依赖，补包补到怀疑人生，最后还是换成了Ubuntu镜像。

　　电梯里贴的小广告翘了角，我顺手撕了一半，剩下的一半粘在墙上，像块疤。这让我想起环境搭建里的“历史遗留问题”——比如你之前装过旧版Python，没卸载干净，新装的环境就会各种报错；或者你之前改过系统环境变量，没改回来，新工具就找不到路径。所以我的习惯是：装新环境前，先卸载所有旧版Python、Anaconda、Miniconda，清理注册表（用CCleaner），重置环境变量（只留系统默认的），再重装。虽然麻烦，但能避免90%的坑。

　　还有个“隐藏坑”是杀毒软件。有些杀毒软件会把PyTorch的动态链接库当病毒隔离，导致模型跑不起来；有些会把Conda的脚本当恶意软件拦截，导致环境激活失败。我见过有人为了“安全”装了三个杀毒软件，结果环境怎么也搭不起来，最后全卸载了，反而好了。所以我的建议是：装数据科学环境时，先临时关闭杀毒软件（尤其是Windows Defender），装完再打开，或者把相关目录加入白名单。

　　太阳晒得车座发烫，我坐上去时“嘶”了一声。这让我想起环境搭建里的“温度”——不是物理温度，是“热度”。比如现在ChatGPT火了，有人非要装LLM开发环境，结果发现显卡不够，内存不够，硬盘不够，最后啥也没跑起来；还有人非要装最新的Transformer架构，结果发现代码兼容性差，调试半天也没结果。所以我的经验是：先搭基础环境（Python、CUDA、PyTorch、Jupyter），跑通MNIST这种简单模型，再逐步扩展（装Transformer、装LLM），别一开始就上难度，容易劝退。

　　最后说个“终极坑”：别信“一键安装”。现在网上有很多“Windows数据科学环境一键安装脚本”，看着方便，其实坑最多。比如有的脚本会默认装最新版Python，结果和你的项目不兼容；有的脚本会改系统环境变量，导致其他软件报错；有的脚本甚至会装恶意软件，偷你的数据。我见过有人用了一键安装脚本，结果环境没搭起来，电脑反而中毒了，最后不得不重装系统。所以我的结论是：环境搭建没有捷径，老老实实按官方文档装，虽然慢，但稳。

　　钥匙串上的褪色号码牌还在，我摸了摸，决定明天扔了。就像环境搭建，有些旧习惯该改就得改，别抱着“我以前这么装没问题”的想法——18年前我装R还得手动配环境变量，现在谁还这么干？优胜劣汰，环境搭建也一样，得跟着技术走，别跟旧习惯较劲。明天我打算把这篇吐槽整理成文档，发给新来的实习生——省得他再踩我踩过的坑。

（编辑：天瑞地安资讯网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!