Python3-xi

Python3 是目前应用领域最多最流行的脚本语言，有多方面潜力，在深度学习方面暂时居于不可替代的地位（近两年由于运行效率问题逐渐出现使用Julia、C++等进行取代的声音，暂时还做不到）。

Pytorch 非常流行的一个原因，没有完全将张量的操作 API 化，让用户有足够的操作深度和自由度，可以自己掌控开发进度，也可以方便的融入别人的项目。

TensorFlow2 在集群并行处理和嵌入式场景部署的适配时，相较 Pytorch 有一定的优势，由于研究方向需要适配移动和嵌入式设备，因此采用 TF2 进行学习和开发。

TensorFlow2 的 Eager 模式，去掉了 TF 定义的变量或张量需要借助 Session 来实现向 Python 变量的转换的过程，是对 Session 模式的去枷锁，不要从 Session 模式开始学习如何去掉 Session，直接认为 TF 定义的变量或张量可以被直接调用就好了，即在 TensorFlow2 中定义了变量或张量，像 Numpy 变量或数组一样直接调用就可以了。

1. Python3 related libs:

intelligent-syntax-env: pylance;
basic-libs: numpy, pandas, matplotlib, seaborn, scipy, sklearn;
nn-related: mne, neo;
补充几个社区推荐的包，sudo pip install mne-bids nibabel pybv -i https://mirrors.ustc.edu.cn/pypi/web/simple
ai-related: torch, torchvision, tensorflow(with tensorboard);
GUI-dev: pyside2;

• pip 使用 -r 参数批量安装预配置好的三方库列表
  pip install -r requirements.txt, 其中 requirements.txt 文件中预先写好需要安装的库名（每行一个库）

2. VScode 中新建 Jupyter-notebook 文件

1. 安装 VScode 编辑器，官方方案太慢，推荐下载最新安装包自己手动安装（windows 下推荐软件内升级）。
2. 安装 Python 扩展。
3. 创建新的 Notebook 笔记本，Ctrl + Shift + p打开命令栏，输入jupyter，选择creat new blank jupyter notebook创建笔记本。

3. 关于 jupyter_notebook 的初始目录(优先使用 jupyter-lab)

在 windows 平台，舒服地在本地使用 jupyter_notebook 还是比较麻烦的，记录一下使用技巧，方便自己日后使用。

本段主要是为了在本地以指定目录为工作目录，打开 jupyter_notebook 浏览器（因为该浏览器不支持向上退回至根目录），以管理或阅读目录下的所有 ipynb 文件。

a. 定位到指定目录打开 Jupyter

1. 打开本地 Console，cd 定位到指定目录（保存 jupyter 笔记本的目录）
2. 手动jupyter notebook打开 notebook 浏览器【可以中间用空格】

b. 将用户 Documents 文件夹设为默认目录

1. 打开 conda 所在文件夹，调出 conda 快捷图标的属性（非cmd属性）
2. 修改Start in起始位置属性为D:\Users\User\Documents，即为 Jupyter 默认位置
3. 打开 conda，输入jupyter-notebook命令打开 notebook 浏览器【也可以中间用连字符】

4. vscode.code-runner.wsl-linux

• WSl2中用vscode调用默认终端实现高效开发

软件环境

控制面板中开启 wsl 功能，微软商店安装 linux 发行版。

• 安装完创建普通用户并设置密码；
• 安装基本的开发工具（linux端）；

安装 vscode软件以及 remote-wsl, code-runner 插件。

工具连接

发行版和默认终端解释器

打开 vscode，在 remote-wsl 插件中选择默认的发行版，在 terminal 中选择默认解释器为 wsl（即指向特定发行版的 bash）。

编辑器运行和终端解释器

编辑器部分默认采用 cmd，搜寻 windows 下的语言环境。
F1 打开设置搜索框-搜索 setting.json （文件-预设-设置-搜索 setting.json-edit.in.setting.json）。

setting-json 编辑

// 实际应为json，由于json不支持注释，此处用js语法渲染。
{
    // VScode 设置
    "workbench.iconTheme": "vscode-icons",    
    // ====================================================================================
    // Code-runner 设置
    "code-runner.defaultLanguage": "python",            // 默认 code-runner 编程语言为 Python
    "code-runner.runInTerminal": true,                  // 调用终端运行 code-runner 命令
    // "code-runner.terminalRoot": "/mnt/",             // 终端的默认起始位置
    "python.languageServer": "Pylance",                 // 设置语言服务器
    "kite.showWelcomeNotificationOnStartup": false,     // 不显示 Kite 弹窗
    "workbench.editorAssociations": [
        {
            "viewType": "jupyter.notebook.ipynb",       // jupyter格式关联
            "filenamePattern": "*.ipynb"
        }
    ],
    "code-runner.executorMap": {                        // Code Runner 相关解释器或调试器路径
        "perl": "perl",
        "html": "google-chrome",                        // 其他语言支持参见 Code Runner 插件详情页示例代码
    },
    // ====================================================================================
    // 设置为 wsl 发行版的解释器
    // "terminal.integrated.shell.windows": "C:\\Windows\\System32\\wsl.exe",       // when use wsl as terminal
    // 设置为 Conda env 中的解释器
    "terminal.integrated.shell.windows": "C:\\Windows\\System32\\cmd.exe",
    // "python.pythonPath": "/home/oca/bin/miniconda3/envs/mindspore/bin/python"    // Python 解释器路径
    // "code-runner.terminalRoot": "/mnt/d/Users/oca/",                             // 终端的默认起始位置
    // "python.pythonPath": "D:\\Programs\\miniconda3\\envs\\mindspore\\python.exe",// mindspore 环境中的解释器
    "python.pythonPath": "D:\\Programs\\Miniconda3\\envs\\tf1\\python.exe",         // tf1 环境中的解释器
    "terminal.integrated.shellArgs.windows": ["/K",
    "D:\\Programs\\miniconda3\\Scripts\\activate.bat D:\\Programs\\miniconda3\\envs\\tf1"],  // 激活 tf1 环境

}

5. Miniconda 配置

用 pip 或 conda 安装所有三方库即可。

尽量避免混合使用 pip 和 conda 命令，虽然二者在 conda 内部共享软件列表。

pip 安装尽量使用本地科大源-i https://mirrors.ustc.edu.cn/pypi/web/simple或清华源：-i https://pypi.tuna.tsinghua.edu.cn/simple

tensorflow (版本号与 python 版本相关)使用本体安装，若由 tensorboard 安装时附带，容易导致 tb 版本比 tf 高的情况，出现报错。用 pip list 或 conda list 查看版本号，再用指定版本的方式 install 一遍以检查依赖关系。【此处需要补充检查命令】

也可使用sudo pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple命令修改软件源。

5.2 Conda 命令行环境配置

开始前用 conda info -e 查看当前所有环境列表，默认只有 base 环境。虚拟环境创建 conda create -n tf1 python=3.7.5 创建新的指定python版本的虚拟环境。

若新环境创建失败，考虑是否是在线仓库连接失败导致的？通过修改软件源到国内的清华源提高连接质量，重新创建。

conda activate tf1 进入该环境；在环境内 conda deactivate 则退出至 base 环境。

在开始菜单中找到 miniconda3 的图标，找到快捷方式位置，属性中可设置两个参数。

target 中通过修改默认 conda 指向的文件夹位置，指定 tf1 环境所在的文件夹，即可在进入 conda 后默认进入该虚拟环境，而非 base。
修改默认打开的地址，到自己常用的文件夹，如 Documents 文件夹或个人代码目录。

• 下述Target命令需要整合在一行复制到快捷方式属性“目标地址”栏中：

D:\Programs\miniconda3\python.exe D:\Programs\miniconda3\cwp.py D:\Programs\miniconda3\envs\mindspore 
D:\Programs\miniconda3\envs\mindspore\Scripts\jupyter-notebook.exe D:\Users\oca\Desktop\WorkingDir\Codes-spaces
# python.exe是程序，cwp.py mindspore切换工作环境，jupyter-notebook是目标程序，Codes-spaces是打开的工作目录

若使用 Kdevelop 作为开发环境

使用 Kdevelop 作为 Python 开发环境，需要在系统环境中为其安装 Python 扩展kdevelop-python（不是在Kdev内部安装的，故不支持Win平台），重启软件后，可以实现类似 C/C++ 的开发支持。