软件研发 --- LLM 之环境变量

环境配置
本节简单介绍一些必要的软件的安装与配置，由于不同机器软硬件配置不同，所以不详述，遇到问题请善用Google.
1.1 Anaconda
Anaconda是Python的一个开源发行版本，主要面向科学计算。我们可以简单理解为，Anaconda是一个预装了很多我们用的到或用不到的第三方库的Python。而且相比于大家熟悉的pip install命令，Anaconda中增加了conda install命令。当你熟悉了Anaconda以后会发现，conda install会比pip instal更方便一些。 强烈建议先去看看最省心的Python版本和第三方库管理--初探Anaconda  https://zhuanlan.zhihu.com/p/25198543  和初学 Python 者自学 Anaconda 的正确姿势。https://www.zhihu.com/question/58033789/answer/254673663
总的来说，我们应该完成以下几步:
·根据操作系统下载并安装Anaconda(或者mini版本Miniconda)并学会常用的几个conda命令，例如如何管理python环境、如何安装卸载包等;
Anaconda安装成功之后，我们需要修改其包管理镜像为国内源，这样以后安装包时就会快一些.。
1.2 Jupyter
在没有notebook之前，在IT领域是这样工作的:在普通的 Python shell 或者在IDE(集成开发环境)如Pycharm中写代码，然后在word中写文档来说明你的项目。这个过程很繁琐，通常是写完代码，再写文档的时候我还的重头回顾一遍代码。
最蛋疼的地方在于，有些数据分析的中间结果，还得重新跑代码，然后把结果弄到文档里给客户看。有了notebook之后，世界突然美好了许多，因为notebook可以直接在代码旁写出叙述性文档，而不是另外编写单独的文档。也就是它可以能将代码、文档等这一切集中到一处，让用户一目了然。如下图所示。

 

Jupyter Notebook 已迅速成为数据分析，机器学习的必备工具。因为它可以让数据分析师集中精力向用户解释整个分析过程。
安装好后，我们使用以下命令打开一个jupyter notebook:
PythonDRun Code
1jupyter notebook
1.3 PyTorch
由于本文需要用到PyTorch框架，所以还需要安装PyTorch(后期必不可少地会使用GPU，所以安装GPU版本的)。直接去PyTorch官网找到自己的软硬件对应的安装命令即可(这里不得不吹一下PyTorch的官方文档，从安装到入门，深入浅出，比tensorflow不知道高到哪里去了)。安装好后使用以下命令可査看安装的PyTorch及版本号。
ShellDRun Code
conda listgrep torch1
1.4 其他
此外还可以安装python最好用的IDE PyCharm，专业版的应该是需要收费的，但学生用户可以申请免费使用(传送门)，或者直接用免费的社区版。
如果不喜欢用IDE也可以选择编辑器，例如VSCode等。