本模块带你完成AI项目开发的所有前置环境配置，包括硬件选型、软件安装、核心库配置等。配置完成后即可进入实战学习。
推荐使用 3.10 或 3.11 版本，兼容性最佳。
Conda 可以管理多个 Python 环境，避免项目间依赖冲突。
Miniconda 只装 conda 基础 + Python，体积小（~100MB）。Anaconda 带 200+ 预装库，体积大（~3GB），不推荐新手。
如果使用 NVIDIA GPU 训练模型，需要安装 CUDA Toolkit。PyTorch 已内置 CUDA 支持，一条 conda 命令搞定。
conda
install
-c pytorch -c nvidia
安装完成后，运行以下 Python 代码检查 GPU 是否正常工作：
import
torch
print
# 应输出 True
# 显示 GPU 型号，如 "NVIDIA RTX 4090"
选对工具，开发效率翻倍。以下是 AI 项目开发的 4 种主流选择：
轻量强大、插件生态第一、智能提示优秀，社区最大。
单元格执行 + 可视化内联，边写代码边看图，实验分析最佳搭档。
jupyter lab
功能全面：远程开发 + 数据库 + 科学计算，大型项目首选。
AI 驱动：自然语言生成代码、智能重构、自动修 bug。
以下分类包含 AI 项目开发的全部常用库，在 Conda 环境中执行对应命令即可安装。
pip install numpy pandas scipy jupyterlab
数值计算、数据分析、科学计算、交互式笔记本
pip install matplotlib seaborn plotly
静态图表、统计图、交互式图表
pip install scikit-learn xgboost lightgbm
分类回归、梯度提升树（Kaggle 杀器）
pip install torch torchvision torchaudio
PyTorch 主力，计算机视觉 + 音频
pip install opencv-python pillow transformers datasets
图像处理、HuggingFace 大模型生态
pip install tqdm requests beautifulsoup4 pyyaml
进度条、HTTP 请求、爬虫、配置文件
pip install numpy pandas scipy matplotlib seaborn plotly scikit-learn xgboost lightgbm torch torchvision torchaudio opencv-python pillow transformers datasets tqdm requests beautifulsoup4 pyyaml jupyterlab