开头先声明，这里写的是MAC笔记本上的部署实践，如果是其它操作系统，请自行搜索相关资料。 Ai 全栈开发环境部署主要涉及到以下几个方面：

  • Anaconda的安装
  • Jupyter Lab的安装

Miniconda的安装

因为我们不是搞科学计算的，所以不需要安装Anaconda，只需要安装Miniconda即可。Miniconda是一个很小的anaconda发行版，只包含conda和一些必要的包。 Miniconda的安装非常简单，只需要下载安装包，双击安装即可。我们去官方网站https://docs.anaconda.com/free/miniconda/ 下载安装包，因为是mac系统， 所以，我们选择Platform为MacOS的安装包，注意根据自己的CPU型号是inter还是M1选择对应的安装包。下载完成后，双击安装即可。 安装完成后，可以在终端输入conda --version查看版本号。

1

conda --version

结果：conda 24.3.0

Jupyter Lab的安装

Jupyter Lab是Jupyter Notebook的升级版，支持更多的功能。Jupyter Lab的安装也非常简单，只需要在终端输入以下命令即可。 官方网站安装指南：https://jupyter.org/install

1

brew install jupyterlab

不过，既然conda是一个安装包管理工具，那么我们为什么不通过Conda来安装Jupyter Lab呢？这样可以更好的管理我们的包。也会减少jupyter lab的安装对系统的影响。

1

conda install -c conda-forge jupyterlab

另外：建议把jupyter安装到我们的虚拟环境中，这样可以更好的管理我们的包。

另外的另外：最近换电脑时，重装了jupyter lab ，才发现jupyter lab有了桌面版本，这样安装更加方便，下载安装包就可以。 桌面版下载地址：https://github.com/jupyterlab/jupyterlab-desktop/releases

创建项目开发所需要的虚拟环境

工具安装完了，现在我们来做一个实战项目。因为每个项目对python的版本要求不同，这时候我们就需要用到conda的环境管理功能了。 不同的项目可以使用不同的环境，这样就不会相互影响。这里的环境，也叫虚拟环境。我们先创建一个项目的环境，然后安装项目所需要的包。 这里，我们需要注意： 不同虚拟环境中安装的包，是不会相互影响的，自然也不能相互引用。

1

conda create -n your_env_name python=x.x

命令解释：

  • create：创建虚拟环境
  • -n：指定虚拟环境的名字
  • python=x.x：指定python的版本号
1

conda activate your_env_name

命令解释：

  • activate：激活虚拟环境
  • your_env_name：虚拟环境的名字
1

conda remove -n your_env_name(虚拟环境名称) --all

命令解释：

  • remove：删除虚拟环境
  • -n：指定虚拟环境的名字
  • –all：删除虚拟环境中的所有包
1

conda env list

命令解释：

  • env list：查看所有的虚拟环境

在虚拟环境中安装项目所需要的包

方法一：使用conda命令安装包

1

conda install -n your_env_name package_name

命令解释：

  • install：安装包
  • -n：指定虚拟环境的名字
  • package_name：包的名字 方法二：使用虚拟环境中的pip命令安装包
1

pip install package_name

这里的pip命令的路径一定要是虚拟环境中的pip命令，不然会安装到系统的python中。我们可以用conda env list查看虚拟环境路径

退出虚拟环境

1

conda deactivate

命令解释：

  • deactivate：退出虚拟环境

将环境添加到Jyputer中

1

python -m ipykernel install --name Name

命令解释：

  • –name：虚拟环境在jupyter中的名字

启动jupyter lab

1

jupyter lab

jupyter lab启动成功后，在浏览器中输入http://localhost:8888/lab/，就可以看到jupyter lab的界面了。 在它的菜单栏时，找到Kernel，选择你刚刚创建的虚拟环境，然后就可以在jupyter lab中使用你的虚拟环境了。 注意：在jupyter lab中，一定要选择你创建的虚拟环境，这样在这个虚拟环境中，才能引用你包装到这个虚拟环境的的包。