AI 学习环境搭建 Wiki

摘要

工欲善其事，必先利其器。在动手做 AI 项目之前，需要先把本地开发环境配好。本文记录了在 Windows 上使用 Miniconda 搭建 Python AI 学习环境的完整流程，包括安装、换源、创建虚拟环境、安装依赖，以及常见报错的处理方案。

---

一、为什么用 Miniconda

Anaconda 和 Miniconda 都是 conda 的发行版，区别在于：

	Anaconda	Miniconda
安装包大小	~3GB	~100MB
预装包	几百个（大多用不到）	仅 conda 本身
灵活性	低	高

学 AI 用到的库（scikit-learn、TensorFlow、PyTorch 等）都需要自己安装，Anaconda 预装的版本反而可能不是你想要的。推荐直接装 Miniconda，干净省事。

---

二、安装 Miniconda

1. 下载地址：https://docs.conda.io/en/latest/miniconda.html
2. 选择 Miniconda3 Windows 64-bit
3. 安装时勾选 Add to PATH（虽然安装程序提示不推荐，但勾上后在 PowerShell 里可以直接用 conda 命令）

安装完成后打开 PowerShell，输入以下命令确认安装成功：

conda --version

---

三、配置国内镜像源

默认的 conda 源服务器在境外，速度很慢。换成清华源后速度会有明显提升。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

pip 也顺手换掉，后面装库会用到：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

---

四、初始化 PowerShell 支持

第一次使用 conda 时需要初始化 shell，否则 conda activate 会报错。

conda init powershell

⚠️ 执行完之后必须关闭当前窗口，重新打开一个新的 PowerShell，初始化才会生效。

重新打开后，命令行最前面会出现 (base) 字样，说明 conda 已经就绪。

---

五、创建 AI 学习专用环境

不建议直接在 base 环境里装东西，每个项目用独立的虚拟环境可以避免库版本冲突。

# 创建名为 ailearn 的环境，使用 Python 3.11
conda create -n ailearn python=3.11

# 激活环境
conda activate ailearn

激活成功后，命令行前缀会从 (base) 变成 (ailearn)。

---

六、安装 AI 学习所需的库

确保当前在 ailearn 环境下，然后执行：

# 基础科学计算和可视化
pip install scikit-learn pandas numpy matplotlib seaborn

# Jupyter Notebook（交互式编程环境）
pip install jupyter

# 深度学习框架（项目二手写数字识别会用到）
pip install tensorflow

---

七、启动 Jupyter Notebook

jupyter notebook

执行后浏览器会自动打开，页面显示当前目录的文件列表。点击右上角 New → Python 3 新建一个 notebook，就可以开始写代码了。

建议先 cd 到你的项目目录再启动，这样 notebook 文件会保存在项目目录下：

cd D:\Project
jupyter notebook

---

八、pycharm 配置aileran环境的python作为解释器

在 PyCharm 中
打开项目
进入设置：File → Settings → Project: [项目名] → Python Interpreter
点击齿轮图标 → Add Interpreter → Add Local Interpreter
选择 Conda Environment：
Interpreter: D:\Program Files\miniconda3\envs\base\python.exe 或 D:\Program Files\miniconda3\python.exe
或者选择其他环境如 ailearn、myenv
确认包管理器也使用 conda

import sys
print(sys.executable)

执行后浏览器会自动打开，页面显示当前目录的文件列表。点击右上角 New → Python 3 新建一个 notebook，就可以开始写代码了。

建议先 cd 到你的项目目录再启动，这样 notebook 文件会保存在项目目录下：

cd D:\Project
jupyter notebook

---

九、常用 conda 命令速查

# 查看当前环境状态（active environment 那行告诉你在哪个环境）
conda info

# 查看所有环境
conda env list

# 创建新环境
conda create -n myproject python=3.10

# 激活 / 退出环境
conda activate myproject
conda deactivate

# 查看当前环境已安装的包
conda list

# 删除不需要的环境
conda env remove -n old_env

---

十、常见报错及处理

报错 1：conda activate 提示需要先 conda init

CondaError: Run 'conda init' before 'conda activate'

原因： PowerShell 没有初始化 conda。

处理：

conda init powershell

然后关闭窗口，重新打开 PowerShell。

---

报错 2：conda init 后面跟了环境名

conda-script.py init: error: argument SHELLS: invalid choice: 'ailearn'

原因： conda init 后面跟的是 shell 类型，不是环境名。

处理： 改成：

conda init powershell

---

报错 3：Malformed version string '~': invalid character(s)

CondaValueError: Malformed version string '~': invalid character(s)

原因： .condarc 配置文件内容损坏。

处理： 删掉配置文件（PowerShell 里环境变量要用 $env: 前缀）：

# 查看文件内容
type $env:USERPROFILE\.condarc

# 删除文件
del $env:USERPROFILE\.condarc

删完后重新配置镜像源（见第三节），再重试原来的命令。

---

报错 4：conda 版本过旧导致各种奇怪问题

如果 conda info 显示版本低于 23.x（比如 4.5.11），很多新包和镜像源都不兼容，修补意义不大。

处理：直接卸载重装。

1. 控制面板 → 卸载 Anaconda / Miniconda
2. 手动删除残留目录（如 D:\tools\Anaconda3）
3. 重新下载安装最新版 Miniconda
4. 按本文第三节重新配置镜像源

---

报错 5：%USERPROFILE% 在 PowerShell 里无效

Cannot find path 'D:\Project\%USERPROFILE%\.condarc'

原因： %VAR% 是 CMD 的语法，PowerShell 里要用 $env:VAR。

处理： 所有涉及环境变量的命令，把 %USERPROFILE% 换成 $env:USERPROFILE：

# CMD 写法（在 PowerShell 里不生效）
type %USERPROFILE%\.condarc

# PowerShell 写法
type $env:USERPROFILE\.condarc

---

十一、环境验证

全部配置完成后，运行以下代码验证环境是否正常：

# 在 Jupyter Notebook 里新建一个 cell，粘贴运行
import sklearn
import pandas
import numpy
import matplotlib
import tensorflow

print(f"scikit-learn: {sklearn.__version__}")
print(f"pandas: {pandas.__version__}")
print(f"numpy: {numpy.__version__}")
print(f"matplotlib: {matplotlib.__version__}")
print(f"tensorflow: {tensorflow.__version__}")
print("\n✅ 环境准备完毕，可以开始项目了！")

全部输出版本号且没有报错，说明环境搭建成功。