Python连接云端Linux服务器进行远程（后端开发/深度学习）时候的注意事项

[Python 环境管理工具总览](#Python 环境管理工具总览)
- 一、定义与区别
- 二、详细解释每个工具的作用
- - [1. **pip** ------ Python 包管理器](#1. pip —— Python 包管理器)
  - [2. **pyenv** ------ Python 版本管理器](#2. pyenv —— Python 版本管理器)
  - [3. **venv / virtualenv / pipenv / poetry** ------ 虚拟环境工具](#3. venv / virtualenv / pipenv / poetry —— 虚拟环境工具)
  - - [🟩 venv （Python 3.3+ 内置）](#🟩 venv （Python 3.3+ 内置）)
    - [🟨 virtualenv （旧版替代方案）](#🟨 virtualenv （旧版替代方案）)
    - [🟥 pipenv](#🟥 pipenv)
    - [🟦 poetry](#🟦 poetry)
  - [4. **conda** ------ 集成环境与包管理器](#4. conda —— 集成环境与包管理器)
- 三、对比表格：核心工具功能对比
- 四、关键问题解答
- - [✅ 问题 1：`venv` / `pipenv` / `poetry` 创建的环境 vs `conda` 创建的环境有什么区别？------❤️](#✅ 问题 1：venv / pipenv / poetry 创建的环境 vs conda 创建的环境有什么区别？——❤️)
  - [✅ 问题 2：Anaconda 和 Miniconda 有什么区别？](#✅ 问题 2：Anaconda 和 Miniconda 有什么区别？)
- 五、一句话总结
- - [一般搭配使用 pyenv + pip + venv：------❤️🤩🤔](#一般搭配使用 pyenv + pip + venv：——❤️🤩🤔)
[Linux 和 shell](#Linux 和 shell)
- 项目结构------❤️
- 常用shell命令------❤️
- which和whereis区别
- - [📊 一、详细对比表](#📊 一、详细对比表)
  - [✅ 实际例子演示](#✅ 实际例子演示)
  - - [示例 1：用 `which` 查找 `python`](#示例 1：用 which 查找 python)
    - [示例 2：用 `whereis` 查找 `python`](#示例 2：用 whereis 查找 python)
  - [🧩 二、使用场景详解](#🧩 二、使用场景详解)
  - - [✅ `which` 的典型用途：](#✅ which 的典型用途：)
    - [✅ `whereis` 的典型用途：](#✅ whereis 的典型用途：)
  - [🧠 三、深入理解：为什么 `whereis` 不总是可靠？](#🧠 三、深入理解：为什么 whereis 不总是可靠？)
  - [✅ 总结口诀（便于记忆）](#✅ 总结口诀（便于记忆）)
安装依赖
- [✅ 一、前提：项目结构](#✅ 一、前提：项目结构)
- [📦 二、推荐方法：使用 `pip` + `requirements.txt`（最常用）](#📦 二、推荐方法：使用 pip + requirements.txt（最常用）)
- - [✅ 方法1：直接用 `pip` 安装单个包（临时或测试）](#✅ 方法1：直接用 pip 安装单个包（临时或测试）)
  - [✅ 方法2：使用 `requirements.txt` 文件（强烈推荐）](#✅ 方法2：使用 requirements.txt 文件（强烈推荐）)
  - - [Step 1：创建 `requirements.txt` 文件](#Step 1：创建 requirements.txt 文件)
    - [Step 2：==安装这些依赖（在虚拟环境中）==](#Step 2：==安装这些依赖（在虚拟环境中）==)
    - [Step 3：导出当前环境的所有依赖（生成 `requirements.txt`）](#Step 3：导出当前环境的所有依赖（生成 requirements.txt）)
- [🔐 三、使用虚拟环境（必须操作！）------❤️](#🔐 三、使用虚拟环境（必须操作！）——❤️)
- - [1、创建虚拟环境（推荐方式：使用 `venv`）](#1、创建虚拟环境（推荐方式：使用 venv）)
  - 2、激活虚拟环境
  - 3、安装依赖
  - 4、运行项目、调试
  - 5、退出虚拟环境
- [四、💡 小技巧：常用命令汇总](#四、💡 小技巧：常用命令汇总)
- 五、不小心安装到了全局怎么办呢------❤️
- 六、特殊的requirements.txt
- - [❓ 可以正常安装吗？](#❓ 可以正常安装吗？)
  - - [✅ 答案：✅ **可以！**](#✅ 答案：✅ 可以！)
    - [🔍 原因解释](#🔍 原因解释)
    - [⚠️ 注意：](#⚠️ 注意：)
  - [❓为什么最后要写 `-e .`？这样有什么好处？------❤️](#❓为什么最后要写 -e .？这样有什么好处？——❤️)
  - - [🎯 答案：`-e .` 的作用是 ------ **"可编辑模式安装"**](#🎯 答案：-e . 的作用是 —— “可编辑模式安装”)
    - [💡 什么是"可编辑模式"（editable install）？](#💡 什么是“可编辑模式”（editable install）？)
    - [🌟 好处如下：](#🌟 好处如下：)
    - [⚠️ 注意事项](#⚠️ 注意事项)
  - [==✅ 如何编写 `setup.py`？（配合 `-e .` 使用）==](#==✅ 如何编写 setup.py？（配合 -e . 使用）==)
  - [✅ 总结](#✅ 总结)
- [七、🔁 进阶做法：分离配置和安装逻辑](#七、🔁 进阶做法：分离配置和安装逻辑)
- - [✅ `requirements.txt`（生产环境）](#✅ requirements.txt（生产环境）)
  - [✅ `requirements-dev.txt`（开发环境）](#✅ requirements-dev.txt（开发环境）)
  - [🧪 最终测试](#🧪 最终测试)
.gitingore的书写
- [🔹 什么是 `.gitignore`？](#🔹 什么是 .gitignore？)
- [🔹 不同写法的含义](#🔹 不同写法的含义)
- - [✅ `build/`](#✅ build/)
  - [✅ `/build/`](#✅ /build/)
  - [✅ `*.log`](#✅ *.log)
  - [✅ `/log/`](#✅ /log/)
  - [✅ `native_ai_robot/data`](#✅ native_ai_robot/data)
- [🔹 如何忽略 `test.py`？](#🔹 如何忽略 test.py？)
- [✅ 小贴士](#✅ 小贴士)

Python 环境管理工具总览

一、定义与区别

注意：pyenv 只是管理python版本，不提供虚拟环境，需配合 venv 或 virtualenv
pyenv 管理 Python 版本，pip 管理包，conda` 既管环境又管包

工具名称	类型	是否自带	主要功能	说明
pip	包管理器	✅ 是	安装/卸载 Python 第三方包	只管"包"，不管理 Python 版本或环境
pyenv	Python 版本管理器	❌ 否	切换不同版本的 Python 解释器（如 3.8, 3.9）	不管包、不创建虚拟环境
venv	虚拟环境工具	✅ 是	创建隔离的 Python 环境（包含 pip）	针对当前 Python 版本创建环境
virtualenv	虚拟环境工具	❌ 否	创建隔离的 Python 环境	`venv` 的前身，功能类似
pipenv	包+环境管理工具	❌ 否	自动管理虚拟环境 + 依赖包（`Pipfile`）	结合了 `pip` 和 `virtualenv`
poetry	包+环境管理工具	❌ 否	完整项目管理（依赖、构建、发布等）	更现代化，适合复杂项目
conda	环境+包管理器	❌ 否	创建环境 + 安装包（支持非 Python 包）	常用于数据科学领域

二、详细解释每个工具的作用

1. pip ------ Python 包管理器

作用：安装、卸载、升级 Python 包（如 requests, numpy）
是否自带？ ✅ 是（所有 Python 安装都带）
例子：
bash 复制代码
```
pip list

pip install flask
```

🔍 注意：pip 依赖于当前激活的 Python 解释器。不同 Python 版本下可能有多个 pip。

2. pyenv ------ Python 版本管理器

pyenv 不直接替换系统的 Python，而是通过 shim 层（代理）来切换版本

作用：安装和切换不同版本的 Python 解释器（比如 3.7, 3.8, 3.9, 3.11）
是否自带？ ❌ 否（需要手动安装）

怎么用？

bash 复制代码

# 安装 pyenv（macOS/Linux）
curl https://pyenv.run | bash
pyenv versions

pyenv install 3.10.0
pyenv global 3.10.0
pyenv local 3.9.6  # 当前目录使用 3.9.6

特点：
- 只管理 Python 版本，不创建环境。
- 通常和 venv 或 virtualenv 配合使用。

⚠️ 没有 pyenv，你就无法轻松切换 Python 版本。

3. venv / virtualenv / pipenv / poetry ------ 虚拟环境工具

🟩 venv （Python 3.3+ 内置）

作用：创建一个独立的 Python 环境（包含自己的 pip、site-packages）
是否自带？ ✅ 是（Python 3.3+ 内置）

例子：

bash 复制代码

python -m venv venv  # venv 是Python 的内置模块，用于管理虚拟环境
source venv/bin/activate  # Linux/Mac   // 以后都用venv，不要myenv，因为venv默认不被git了
venv\Scripts\activate     # Windows     // 以后都用venv，不要myenv，因为venv默认不被git了
pip install requests

🟨 virtualenv （旧版替代方案）

功能类似 venv，但可以用于更老的 Python 版本（如 2.7）

需要单独安装：

bash 复制代码

pip install virtualenv
virtualenv venv  // 以后都用venv，不要myenv，因为venv默认不被git了

💡 推荐使用 venv，因为它是标准库的一部分。

🟥 pipenv

作用：结合 virtualenv + pip，自动创建环境，并用 Pipfile 管理依赖
是否自带？ ❌ 否
优点：
- 自动生成 Pipfile 和 Pipfile.lock
- 一键安装所有依赖
- 支持开发/生产环境分离

例子：

bash 复制代码

pipenv install requests
pipenv shell  # 进入环境

🟦 poetry

作用：现代项目管理工具，支持包管理 + 构建 + 发布
是否自带？ ❌ 否
优点：
- 使用 pyproject.toml 文件（比 setup.py 更简洁）
- 支持依赖解析、锁文件、打包、发布到 PyPI
- 更适合大型项目或开源项目

例子：

bash 复制代码

poetry init   #  初始化一个新的 Poetry 项目，创建 pyproject.toml 配置文件
poetry add requests  # 安装最新版 requests 包
poetry shell   # 进入虚拟环境，如果虚拟环境不存在会自动创建

✅ 总结：

venv 和 virtualenv：只做"隔离环境"

pipenv 和 poetry：同时做"环境管理 + 包管理"

4. conda ------ 集成环境与包管理器

作用：
- 创建隔离的环境（类似 venv）
- 安装包（包括 Python 包和非 Python 包，如 C/C++ 库）
是否自带？ ❌ 否（需安装 Anaconda 或 Miniconda）
功能强大，尤其在数据科学中广泛使用

bash 复制代码

conda create -n myproj python=3.9
conda activate myproj
conda install numpy pandas

🔍 优势：能处理编译性语言的依赖（如 scipy 需要 BLAS/LAPACK）

三、对比表格：核心工具功能对比

工具/功能	管理 Python 版本	管理虚拟环境	管理包	支持非 Python 包	是否自带	推荐用途
pip	❌	❌	✅	❌	✅	安装单个包
pyenv	✅	❌	❌	❌	❌	多版本切换（开发调试）
venv	❌	✅	✅	❌	✅	创建轻量虚拟环境
virtualenv	❌	✅	✅	❌	❌	兼容旧 Python 版本
pipenv	❌	✅	✅	❌	❌	中小型项目，快速启动
poetry	❌	✅	✅	❌	❌	大型项目，标准化流程
conda	✅	✅	✅	✅（C/C++等）	❌	数据科学、AI、复杂依赖项目

四、关键问题解答

✅ 问题 1：`venv` / `pipenv` / `poetry` 创建的环境 vs `conda` 创建的环境有什么区别？------❤️

方面	`venv` / `pipenv` / `poetry` 环境	`conda` 环境
核心机制	基于当前 Python 解释器，复制其 `bin` （解释器）和 `lib`（标准库）	独立的可执行环境，有自己的 Python 和库
是否自带 Python？	否（依赖已有的 Python）	✅ 否（可指定版本）
Python 版本控制	仅限已安装的版本	✅ 可直接安装任意版本（通过 `conda install python=3.9`）
包来源	PyPI（`pip`）	Anaconda 仓库 + PyPI（可用）
非 Python 包支持	❌（只能通过 `pip` 安装纯 Python 包）	✅（如 `gcc`, `openblas`, `r-base`）
跨平台兼容性	很好	非常好，尤其在科学计算场景
推荐使用场景	Web 开发、脚本项目、小型应用	数据科学、机器学习、HPC、复杂依赖

🧠 总结：

如果你要跑一个 Flask Web 项目 → 用 venv 或 pipenv 就够了

用 miniconda + conda + pip（数据科学）

优先用 conda install xxx，如果找不到再用 pip install xxx

如果你要训练深度学习模型，要用 tensorflow + cuDNN → conda 更合适

用 pyenv + venv + pip（通用开发）

如果是大型项目 / 开发团队，用 poetry + pyenv（管理多版本 + 标准化）

✅ 问题 2：Anaconda 和 Miniconda 有什么区别？

特性	Anaconda	Miniconda
大小	很大（约 5GB）	很小（约 300MB）
预装软件	包含大量科学包（如 NumPy, Pandas, Jupyter）	只包含 `conda`, `python`, `pip` 等基本工具
是否自带 pip	✅ 是	✅ 是
是否自带 Jupyter？	✅ 是	❌ 否
是否支持自定义安装？	✅ 支持	✅ 支持
适用人群	初学者、数据科学家、不想配置的人	有经验用户、喜欢自己选择包的人

✅ 推荐：

新手建议从 Miniconda 开始，更灵活。

如果你想要开箱即用的环境（比如马上开始学数据分析），选 Anaconda 更方便。
📦 补充：两者都可以用 conda 安装任何包！

五、一句话总结

pyenv：用来切换 Python 版本（我需要哪个 Python？）

venv / pipenv / poetry：用来创建隔离环境（我的项目运行在哪个环境中？）

pip：用来安装包（这个项目需要哪些库？）

conda：既能切换 Python 版本又能安装包（全能选手，特别适合科学计算）

如果你要跑一个 Flask Web 项目 → 用 venv 或 pipenv 就够了。

如果你要训练深度学习模型，要用 tensorflow + cuDNN → conda 更合适。

一般搭配使用 pyenv + pip + venv：------❤️🤩🤔

python 复制代码

# 安装 pyenv（macOS/Linux）
curl https://pyenv.run | bash

# 安装 Python
pyenv install --list // 可安装的python版本
pyenv install 3.10.0
pyenv versions # 查看已经安装的python版本
// pyenv shell <version>  // 	当前终端会话（进程）
pyenv local <version>  // 当前目录及其子目录
//pyenv global 2.7.10 // 切换python版本
// pyenv global system // 切换原来版本

pyenv version        # 查看正在使用的版本
python --version

# 创建虚拟环境（推荐使用 venv 或 pipenv）
python -m venv venv  // 注意Python 3.3+ 才是内置
// 之前的用pip install virtualenv
// 创建环境的语法也不一样了
// 用 virtualenv venv  ,其余的激活、退出一样的

source venv/bin/activate  // 以后都用venv，不要myenv，因为venv默认不被git了

pyenv version        # 查看正在使用的版本
python --version

//pip install requests
cd ... 切到requirements.txt的路径
pip install -r requirements.txt

pip list
# 查看某个包的安装路径，从而判断是 全局安装了还是 在虚拟环境里面
pip show numpy

命令	作用	范围	是否持久化
`pyenv shell <version>`	设置当前终端使用的 Python 版本	当前终端会话（进程）	❌ 不持久，关闭后失效
`pyenv local <version>`	在当前目录下设置 Python 版本	当前目录及其子目录	✅ 持久，当前目录创建一个 `.python-version` 文件，内容是版本号
`pyenv global <version>`	全局设置默认 Python 版本	所有项目、所有终端	✅ 持久，写入 `~/.pyenv/version` 文件

场景	推荐做法
开发一个项目，需要固定版本	用 `pyenv local`（创建 `.python-version`）
多个项目，不同版本	用 `local`，每个项目独立设置
日常开发，想保持一致	用 `pyenv global` 设置默认版本
临时测试/调试	用 `pyenv shell`（记得退出后恢复）

Linux 和 shell

项目结构------❤️

常用shell命令------❤️

复制代码

cat /etc/shells  # 可用的shell有哪些
echo $HOME   # 家的位置
echo $PATH   # 环境变量
echo $SHELL  # 当前用的版本
echo $0      # 当前脚本名称
who am i
which pyhton
where pyton
pwd
date
ls -al

vi hello.sh

which和whereis区别

which 查找可执行的命令（在 $PATH 中找到的可运行程序），
whereis 查找二进制文件、源代码和帮助文档（但不检查路径，只查标准位置）。

📊 一、详细对比表

特性	`which`	`whereis`
作用	查找某命令是否在 `$PATH` 中，并返回其完整路径	查找程序相关的文件（二进制、源码、手册页等）
查找范围	只在环境变量 `$PATH` 中搜索	在预定义的标准目录中搜索（如 `/bin`, `/usr/bin`, `/usr/local/bin`, `/usr/share/man` 等）
是否能运行？	✅ 能运行（如果存在）	❌ 不判断能否运行，只是列出可能的位置
输出内容	单个路径（通常是可执行文件）	多个路径：二进制、源码、手册页
是否支持别名？	✅ 支持（会显示别名对应的路径）	❌ 不支持（只找真实文件）
适用场景	检查命令是否存在并获取执行路径	查看某个命令有哪些配套文件（特别是开发用途）

✅ 实际例子演示

示例 1：用 `which` 查找 `python`

bash 复制代码

$ which python
/usr/bin/python3

👉 表示在 $PATH 中找到了 python 命令，路径是 /usr/bin/python3。

示例 2：用 `whereis` 查找 `python`

bash 复制代码

$ whereis python
python: /usr/bin/python3 /usr/lib/python3 /usr/share/man/man1/python.1.gz

👉 输出了三个部分：

二进制文件 ：/usr/bin/python3
库文件/源码 ：/usr/lib/python3
手册页 ：/usr/share/man/man1/python.1.gz

💡 注意：whereis 不检查 PATH，它只在系统默认的"常见位置"搜索。

🧩 二、使用场景详解

✅ `which` 的典型用途：

检查某个命令是否可用：
bash 复制代码
```
$ which ls
/bin/ls
```
→ 如果返回路径，则说明 ls 存在；否则不存在。
查看当前使用的命令版本（比如区分 python 是哪个解释器）：
bash 复制代码
```
$ which python
/home/user/.pyenv/shims/python
```
→ 显示你当前激活的 Python 是通过 pyenv 安装的。
判断是否有冲突的命令（多个同名命令）：
bash 复制代码
```
$ which python
/usr/bin/python
/home/user/.local/bin/python
```

⚠️ 注意：which 是 shell 内建命令（type 更准确），但大多数情况够用。

✅ `whereis` 的典型用途：

查找一个命令的完整信息（尤其是开发人员）：
bash 复制代码
```
$ whereis gcc
gcc: /usr/bin/gcc /usr/lib/gcc /usr/share/man/man1/gcc.1.gz
```
→ 可以看到编译器、库文件和手册页。

检查是否安装了某个软件包的完整组件（源码 + 手册）：

bash 复制代码

$ whereis mysql
mysql: /usr/bin/mysql /usr/lib/mysql /usr/share/mysql /usr/share/man/man1/mysql.1.gz

🧠 三、深入理解：为什么 `whereis` 不总是可靠？

虽然 whereis 很方便，但它有几个限制：

只在预设路径下搜索 （通常为 /bin, /usr/bin, /usr/local/bin 等）。

→ 如果你把程序放在非标准路径（如 /opt/myapp），whereis 就找不到它。
不会检查是否在 $PATH 中

→ 即使你安装了 python，但如果没加到 $PATH，which 找不到，而 whereis 还可能显示出来（因为它在标准路径中）

✅ 总结口诀（便于记忆）

🎯 which：你问我在哪？我只看 $PATH，只看具体的命令能跑就给你地址！

🎯 whereis：我要找全家福！二进制、源码、手册都列出来！

安装依赖

✅ 一、前提：项目结构

假设你有一个 Python 项目：

复制代码

myproject/
├── main.py
├── requirements.txt
└── setup.py (可选)

⚠️ 重点：所有依赖操作都应在虚拟环境中进行！避免污染全局 Python 环境

使用venv 创建一个独立的每一个Python 环境都会包含自己的 pip（基础工具）、site-packages（用于安装第三方库）

其中豆python版本是你所创建venv 时候的版本

📦 二、推荐方法：使用 `pip` + `requirements.txt`（最常用）

✅ 方法1：直接用 `pip` 安装单个包（临时或测试）

bash 复制代码

# 安装某个包，比如 requests
pip install requests

# 安装特定版本（如 2.28.1）
pip install requests==2.28.1

# 安装来自 GitHub 的包（注意：需要先安装 git）
pip install git+https://github.com/requests/requests.git@v2.28.1

🔍 注释：

pip 是 Python 标准包管理工具。

不建议在全局环境下用 pip install，容易造成冲突。

常用于快速测试或开发阶段。

✅ 方法2：使用 `requirements.txt` 文件（强烈推荐）

这是标准做法：将所有依赖写在一个文件里，便于复现环境。

Step 1：创建 `requirements.txt` 文件

txt 复制代码

# requirements.txt
# 这是一个注释行，以 # 开头会被忽略
# 使用 pip freeze 生成
# 也可以手动添加版本号

# Web 框架
Flask==2.3.3

# HTTP 请求库
requests>=2.28.0,<3.0.0

# 数据处理
pandas==2.0.3

# 数据库连接
psycopg2-binary==2.9.6

# 日志
loguru==0.7.0

# 可选依赖（非必需）
pytest>=7.0.0
black==23.1.0

🔍 注释：

使用 == 表示精确版本（安全稳定）。

使用 >= 表示大于等于某个版本，允许更新但不跳大版本。

~= 表示"波浪符"版本控制（更智能）：例如 numpy~=1.21 → 允许 1.21.x，但不允许 1.22。

你可以用 pip show package 查看已安装包信息。

Step 2：安装这些依赖（在虚拟环境中）

bash 复制代码

# 从 requirements.txt 安装所有依赖
pip install -r requirements.txt

🔍 注释：

-r 表示 read from file（从文件读取）。

所有依赖会自动安装，包括它们的子依赖。

安装后可以运行 pip list 查看当前已安装包。

Step 3：导出当前环境的所有依赖（生成 `requirements.txt`）

bash 复制代码

# 在虚拟环境中运行（确保只安装了你需要的包）
pip freeze > requirements.txt

🔍 注释：

pip freeze 输出当前环境中所有安装的包及其版本。

> 将输出重定向到文件，覆盖原有内容。

✅ 推荐：每次完成开发或部署前，执行一次 pip freeze > requirements.txt 来记录当前环境

🔐 三、使用虚拟环境（必须操作！）------❤️

为了隔离项目、防止冲突，请务必使用虚拟环境。

1、创建虚拟环境（推荐方式：使用 `venv`）

bash 复制代码

# 在项目根目录下创建虚拟环境
python -m venv venv

# 或者用 Python 3.8+
python3 -m venv env

🔍 注释：

venv 是 Python 内置模块。

会创建一个名为 venv 的文件夹（你也可以叫它 env）。

包含独立的 Python 解释器和 pip。

2、激活虚拟环境

进去之后 ==只是依赖变了，其他的当前项目路径(pwd) 以及执行的命令都没变！！！==正常操作就可以呢！！！

Linux/macOS：
bash 复制代码
```
source venv/bin/activate
```
Windows (CMD)：
cmd 复制代码
```
venv\Scripts\activate
```
Windows (PowerShell)：
powershell 复制代码
```
venv\Scripts\Activate.ps1
```

🔍 注释：

激活后命令行前会有 (venv) 提示，表示你现在在虚拟环境中

所有 pip install 都会作用于这个环境。

3、安装依赖

bash 复制代码

# 从 requirements.txt 安装所有依赖
pip install -r requirements.txt

4、运行项目、调试

5、退出虚拟环境

bash 复制代码

deactivate

❌ 不要提交 venv/ 到 Git！

✅ 应该提交 requirements.txt！

四、💡 小技巧：常用命令汇总

bash 复制代码

# 1. 创建虚拟环境
python -m venv venv

# 2. 激活环境
source venv/bin/activate   # Linux/macOS
venv\Scripts\activate      # Windows CMD

# 3. 安装依赖
pip install -r requirements.txt

# 4. 查看已安装包
pip list

# 5. 导出依赖（生成 requirements.txt）
pip freeze > requirements.txt

# 6. 卸载包
pip uninstall requests

# 7. 更新包
pip install -U requests

五、不小心安装到了全局怎么办呢------❤️

复制代码

✅ 方法1：卸载全局的包
你可以列出已安装的包，并手动删除它们。

# 查看所有已安装的包（包括全局的）
pip list

# 找出哪些是你从 requirements.txt 安装的，然后一个个卸载
pip uninstall 包名
或者更高效地一次性卸载：

✅ 方法2：# 假设你已经保存了原来的 requirements.txt
# 直接用 pip uninstall -r 要求文件（但注意这是全局的！）

pip uninstall -r requirements.txt

✅ 最后：检查一波
pip list // 看看是不是只有pip , setuptools 了呢

⚠️ 注意：pip uninstall -r requirements.txt 是危险操作，会把你在当前环境中安装的所有包都卸载！所以请谨慎使用。

六、特殊的requirements.txt

复制代码

--index-url http://
--trusted-host 
-e .

❓ 可以正常安装吗？

这样的 requirements.txt 能用 pip install -r requirements.txt 安装吗？

✅ 答案：✅ 可以！

虽然这个写法看起来有点奇怪（尤其是 --index-url 和 --trusted-host），但这是合法的，并且能被 pip install -r 正确解析。

🔍 原因解释

这是一个 requirements.txt 文件的内容。注意：

--index-url：指定从 哪个镜像源下载包
--trusted-host：允许连接不安全的主机（比如没有 HTTPS 的私有仓库）
-e .：表示"以可编辑模式安装当前目录下的包"

⚠️ 注意：

这些参数是 pip 的命令行选项，不是 Python 包名！

所以如果你直接跑：

bash 复制代码

pip install -r requirements.txt

它会：

使用 http://pip.baidu.com/... 作为下载源
忽略 SSL 校验（因为 --trusted-host）
安装当前目录（.）中的项目为"可编辑"状态

❓为什么最后要写 `-e .`？这样有什么好处？------❤️

🎯 答案：`-e .` 的作用是 ------ "可编辑模式安装"

这在开发过程中非常重要！

💡 什么是"可编辑模式"（editable install）？

当你运行：

bash 复制代码

pip install -e .

它会在系统中创建一个 符号链接（symbolic link） 或 egg-link 文件，指向当前目录的项目代码。

举个例子：

假设你的项目结构是：

复制代码

myproject/
├── setup.py
└── myproject/
    └── __init__.py

执行：

bash 复制代码

cd myproject
pip install -e .

会把 myproject/ 目录作为一个 Python 包，安装到你的虚拟环境中，但：

✅ 你的代码文件没有被复制到 site-packages，而是通过软链接引用。

✅ 从而达到修改原始代码后，无需重新安装即可生效！

🌟 好处如下：

优点	说明
🛠️ 开发效率高	改代码 → 立即生效，不用 `pip uninstall + pip install`
🔄 多模块共享	可以多个项目依赖同一个本地库，而不会重复打包
🧪 调试方便	你可以用 IDE 直接打断点调试 `myproject/__init__.py`
🔁 自动更新	如果你在 Git 中拉取了新代码，下次运行程序自动加载最新版

类比 Java：就像你在 IDEA 中把 src/main/java 添加为模块路径，而不是编译成 JAR 后再引入。

⚠️ 注意事项

必须有 setup.py 文件，并正确声明项目信息
不能用于非 Python 项目（如 C++ 扩展等）

✅ 如何编写 `setup.py`？（配合 `-e .` 使用）

python 复制代码

from setuptools import setup, find_packages

setup(
    name="myproject",
    version="0.1.0",
    packages=find_packages(),
    install_requires=[
        "flask>=2.0",
        "sqlalchemy>=1.4",
        # 其他依赖...
    ],
    entry_points={
        'console_scripts': [
            'myapp=main:main',
        ],
    },
)

然后运行：

bash 复制代码

pip install -e .

✅ 总结

问题	回答
`requirements.txt` 里有 `--index-url` 和 `--trusted-host`，还能用 `pip install -r` 吗？	✅ 可以！这是合法的 pip 参数，会被正确处理
为什么要加 `-e .`？有什么好处？	✅ 可编辑模式： • 代码修改后自动生效 • 适合开发阶段 • 类似 Java 的 "source code path"

七、🔁 进阶做法：分离配置和安装逻辑

建议你将 requirements.txt 拆分为多个：

✅ `requirements.txt`（生产环境）

txt 复制代码

flask==2.3.3
sqlalchemy==2.0.22
pymysql==1.1.0

✅ `requirements-dev.txt`（开发环境）

txt 复制代码

-r requirements.txt
-e .
pytest>=7.0
black
isort

然后开发时运行：

bash 复制代码

pip install -r requirements-dev.txt

🧪 最终测试

确保一切正常：

bash 复制代码

# 安装
pip install -r requirements.txt

# 验证是否安装成功
python -c "import myproject; print(myproject.__version__)"

# 修改代码看看是否生效
echo "print('Hello from dev!')" >> myproject/__init__.py
python -c "import myproject; print(myproject.__doc__)"

.gitingore的书写

❌ 不要提交 venv/ 到 Git！

✅ 应该提交 requirements.txt！

🔹 什么是 `.gitignore`？

它是 Git 用来忽略某些文件或目录 不被提交到版本库中的配置文件。

比如：编译输出、日志、IDE 配置等，不需要纳入版本控制。

🔹 不同写法的含义

✅ `build/`

表示 "忽略 build 文件夹及其所有内容"

例如：

复制代码

project/
  build/        ← 被忽略
  src/
  test.py       ← 不被忽略

✅ `/build/`

开头加了 / 表示从 仓库根目录开始匹配 ，只忽略根下的 build 目录

如果你有多个地方叫 build（比如子目录里也有），它不会影响其他路径。

例子：

/build/ → 只忽略根目录下的 build 目录，不影响 src/build/

build/ → 忽略所有路径中出现的 build 文件夹（包括子目录）

⚠️ 注意：一般情况下，用 build/ 就够了，除非你想特别限定在根目录。

✅ `*.log`

表示 忽略所有以 .log 结尾的文件 （不限于位置）

例如：

复制代码

app.log
error.log
logs/my.log

都会被忽略！

✅ `/log/`

表示 忽略根目录下的 log 文件夹 （注意是 / 开头）

如果子目录也有 log 文件夹，不会被忽略。

✅ `native_ai_robot/data`

直接写文件夹名，表示忽略 nativeads_ai_robot/data 这个路径（相对路径，从根开始）

🔹 如何忽略 `test.py`？

只需在 .gitignore 中添加一行：

gitignore 复制代码

test.py

✅ 它会忽略根目录下的 test.py。

如果你想忽略任意位置的 test.py，可以写：

gitignore 复制代码

**/test.py

所以 **/test.py 会忽略：

复制代码

test.py
/src/test.py
/utils/test.py
/a/b/c/test.py

✅ 小贴士

每行一个规则，空行或注释（以 # 开头）会被忽略
规则支持通配符 *、?、[] 等。
使用 ! 可以排除某个规则（比如：!important.txt 会保留这个文件）。
你可以用 gitignore.io 生成模板（如 Python、VSCode 等）。

Python连接云端Linux服务器进行远程 （后端开发/深度学习）时候的注意事项

Python连接云端Linux服务器进行远程 （后端开发/深度学习）时候的注意事项

Python 环境管理工具总览

一、定义与区别

二、详细解释每个工具的作用

1. pip ------ Python 包管理器

2. pyenv ------ Python 版本管理器

3. venv / virtualenv / pipenv / poetry ------ 虚拟环境工具

🟩 venv （Python 3.3+ 内置）

🟨 virtualenv （旧版替代方案）

🟥 pipenv

🟦 poetry

4. conda ------ 集成环境与包管理器

三、对比表格：核心工具功能对比

四、关键问题解答

✅ 问题 1：venv / pipenv / poetry 创建的环境 vs conda 创建的环境有什么区别？------❤️

✅ 问题 2：Anaconda 和 Miniconda 有什么区别？

五、一句话总结

一般搭配使用 pyenv + pip + venv：------❤️🤩🤔

Linux 和 shell

项目结构------❤️

常用shell命令------❤️

which和whereis区别

📊 一、详细对比表

✅ 实际例子演示

示例 1：用 which 查找 python

示例 2：用 whereis 查找 python

🧩 二、使用场景详解

✅ which 的典型用途：

✅ whereis 的典型用途：

🧠 三、深入理解：为什么 whereis 不总是可靠？

✅ 总结口诀（便于记忆）

安装依赖

✅ 一、前提：项目结构

📦 二、推荐方法：使用 pip + requirements.txt（最常用）

✅ 方法1：直接用 pip 安装单个包（临时或测试）

✅ 方法2：使用 requirements.txt 文件（强烈推荐）

Step 1：创建 requirements.txt 文件

Step 2：安装这些依赖（在虚拟环境中）

Step 3：导出当前环境的所有依赖（生成 requirements.txt）

🔐 三、使用虚拟环境（必须操作！）------❤️

1、创建虚拟环境（推荐方式：使用 venv）

2、激活虚拟环境

3、安装依赖

4、运行项目、调试

5、退出虚拟环境

四、💡 小技巧：常用命令汇总

五、不小心安装到了全局怎么办呢------❤️

六、特殊的requirements.txt

❓ 可以正常安装吗？

✅ 答案：✅ 可以！

🔍 原因解释

⚠️ 注意：

❓为什么最后要写 -e .？这样有什么好处？------❤️

🎯 答案：-e . 的作用是 ------ "可编辑模式安装"

💡 什么是"可编辑模式"（editable install）？

🌟 好处如下：

⚠️ 注意事项

✅ 如何编写 setup.py？（配合 -e . 使用）

✅ 总结

七、🔁 进阶做法：分离配置和安装逻辑

✅ requirements.txt（生产环境）

✅ requirements-dev.txt（开发环境）

🧪 最终测试

.gitingore的书写

🔹 什么是 .gitignore？

🔹 不同写法的含义

✅ build/

✅ /build/

✅ *.log

✅ /log/

✅ native_ai_robot/data

🔹 如何忽略 test.py？

✅ 小贴士

Python连接云端Linux服务器进行远程（后端开发/深度学习）时候的注意事项

Python连接云端Linux服务器进行远程（后端开发/深度学习）时候的注意事项

✅ 问题 1：`venv` / `pipenv` / `poetry` 创建的环境 vs `conda` 创建的环境有什么区别？------❤️

示例 1：用 `which` 查找 `python`

示例 2：用 `whereis` 查找 `python`

✅ `which` 的典型用途：

✅ `whereis` 的典型用途：

🧠 三、深入理解：为什么 `whereis` 不总是可靠？

📦 二、推荐方法：使用 `pip` + `requirements.txt`（最常用）

✅ 方法1：直接用 `pip` 安装单个包（临时或测试）

✅ 方法2：使用 `requirements.txt` 文件（强烈推荐）

Step 1：创建 `requirements.txt` 文件

Step 3：导出当前环境的所有依赖（生成 `requirements.txt`）

1、创建虚拟环境（推荐方式：使用 `venv`）

❓为什么最后要写 `-e .`？这样有什么好处？------❤️

🎯 答案：`-e .` 的作用是 ------ "可编辑模式安装"

✅ 如何编写 `setup.py`？（配合 `-e .` 使用）

✅ `requirements.txt`（生产环境）

✅ `requirements-dev.txt`（开发环境）

🔹 什么是 `.gitignore`？

✅ `build/`

✅ `/build/`

✅ `*.log`

✅ `/log/`

✅ `native_ai_robot/data`

🔹 如何忽略 `test.py`？