AI 与工程数学 / 系统课时

配置 Python 数值实验环境

配置 Python 数值实验环境

本课将建立一个独立的 Python 数值实验环境,安装 NumPy 和 Matplotlib,并通过数组运算与二次函数曲线验证配置是否成功。完成后,你将拥有一套可以重复使用的实验环境,为后续梯度下降、损失函数可视化和模型训练实验做好准备。

学习目标

  • 使用 venv 创建并激活独立 Python 虚拟环境。
  • 安装、检查并锁定 NumPy 与 Matplotlib 依赖。
  • 运行数值计算和绘图程序,验证实验环境能够正常工作。

检查 Python 与项目目录

推荐使用 Python 3.11 或 3.12。本课命令适用于 Windows、macOS 和 Linux,依赖版本固定为 NumPy 1.26.4、Matplotlib 3.8.4,便于复现实验结果。建议使用 64 位 Python,并确保安装程序及绘图环境正常可用。

先在终端检查 Python 版本。Windows 可以使用 PowerShell,macOS 和 Linux 可以使用终端。

bash
python --version
python -m pip --version

预期输出示例(版本和安装路径可能不同):

text
Python 3.11.9
pip 24.0 from <PATH> (python 3.11)

如果 macOS 或 Linux 找不到 python,尝试 python3 --version,并在后续命令中将 python 替换为 python3。如果 Windows 使用 py 启动器,也可以用 py -3.11 指定已安装的 Python 3.11。

创建一个专门存放实验代码的项目目录。以下命令适用于 PowerShell、macOS 和 Linux 常见终端:

bash
mkdir optimization-lab
cd optimization-lab

预期结果:终端进入新建的 optimization-lab 目录;多数终端执行成功时不会输出文本。后续虚拟环境、依赖清单和实验文件都保存在这里。

创建并激活独立虚拟环境

Python 的 venv 会为项目建立独立的包安装位置,避免其他项目的依赖版本影响当前实验。例如一个项目使用 NumPy 1.26,另一个项目使用 NumPy 2.x,就可以通过各自的虚拟环境隔离依赖。

在项目目录执行:

bash
python -m venv .venv

预期结果:生成 .venv 目录,通常不显示成功消息。它包含虚拟环境使用的 Python 解释器与包安装目录。

根据操作系统和终端选择激活命令:

终端 激活命令
Windows PowerShell .\.venv\Scripts\Activate.ps1
Windows CMD .venv\Scripts\activate.bat
macOS / Linux Bash、Zsh source .venv/bin/activate

激活成功后,终端提示符通常会出现 (.venv)。可以执行以下命令确认当前使用的是虚拟环境中的解释器:

bash
python -c "import sys; print(sys.prefix != sys.base_prefix)"

预期输出:

text
True

如果输出 False,说明当前解释器没有处于虚拟环境中。重新执行对应终端的激活命令,再检查一次。

安装数值计算与绘图依赖

本课使用两个库:NumPy 负责向量、矩阵和数值运算;Matplotlib 负责绘制函数曲线、散点图以及后续优化算法的收敛轨迹。

在已经激活的虚拟环境中执行:

bash
python -m pip install "numpy==1.26.4" "matplotlib==3.8.4"

预期结果:pip 下载并安装相应依赖,完成时出现类似信息:

text
Successfully installed ... numpy-1.26.4 ... matplotlib-3.8.4 ...

实际输出还包含其他依赖包及对应版本,顺序可能不同。指定版本可以减少未来因上游库更新而产生的实验差异。请勿直接复制上述省略展示的安装日志作为验证依据。

安装完成后,检查两个包的实际版本:

bash
python -c "import numpy; import matplotlib; print('NumPy:', numpy.__version__); print('Matplotlib:', matplotlib.__version__)"

预期输出:

text
NumPy: 1.26.4
Matplotlib: 3.8.4

建议把当前环境中的依赖记录到文件中:

bash
python -m pip freeze > requirements.txt

预期结果:项目目录生成 requirements.txt,其中包含 NumPy、Matplotlib 及其传递依赖的具体版本。以后在兼容的 Python 和平台环境下,可以通过 python -m pip install -r requirements.txt 尝试重建相同的依赖组合。该清单不保证跨操作系统或 Python 版本完全一致。

验证数组运算与函数曲线

现在创建一个最小实验:计算二次函数 f(x)=(x−2)2+1f(x)=(x-2)^2+1 在多个位置的函数值,并绘制曲线。这个函数的最低点为 (2,1)(2,1),可以直接用来检验数值结果与图像是否一致。

在项目目录中新建 experiment.py,写入以下完整代码:

python
import numpy as np
import matplotlib

# 使用非交互式后端,确保无桌面显示环境也能保存图片
matplotlib.use("Agg")
import matplotlib.pyplot as plt


def objective(x):
    # NumPy 自动对数组中的每个元素计算函数值
    return (x - 2) ** 2 + 1


def main():
    points = np.array([0.0, 1.0, 2.0, 3.0, 4.0])
    values = objective(points)
    print("x:", points)
    print("f(x):", values)

    x = np.linspace(-1, 5, 200)
    y = objective(x)
    plt.figure(figsize=(7, 4))
    plt.plot(x, y, label="f(x) = (x - 2)^2 + 1")
    plt.scatter([2], [1], color="red", label="Minimum (2, 1)")
    plt.xlabel("x")
    plt.ylabel("f(x)")
    plt.grid(True)
    plt.legend()
    plt.tight_layout()
    plt.savefig("objective.png", dpi=150)
    plt.close()
    print("Saved: objective.png")


if __name__ == "__main__":
    main()

在终端运行:

bash
python experiment.py

预期输出:

text
x: [0. 1. 2. 3. 4.]
f(x): [5. 2. 1. 2. 5.]
Saved: objective.png

程序在当前工作目录生成 objective.png,是一张约 1050×600 像素的图片。用系统图片查看器打开后,应能看到开口向上的抛物线和位于 (2,1)(2,1) 的红色最低点。

这里有三个值得核对的数值细节:np.array 创建一维数组;(x-2)**2+1 对所有数组元素逐一计算;np.linspace(-1,5,200) 在区间内生成 200 个等间距采样点,用来绘制平滑曲线。

排查常见环境问题

如果无法导入模块,优先检查执行脚本的 Python 与安装依赖的 Python 是否相同,而不是反复安装软件。

现象 常见原因 处理方法
ModuleNotFoundError: No module named 'numpy' 安装与运行使用了不同解释器 激活 .venv 后用 python -m pip install -r requirements.txt
No module named venv Python 安装缺少虚拟环境组件 Linux 按发行版安装对应的 python3-venv 包
PowerShell 拒绝激活 脚本执行策略限制 使用进程级策略或直接调用虚拟环境解释器
pip 下载超时 网络或包索引无法访问 检查网络及 pip 索引配置,再重试
图片没有弹出窗口 程序使用 Agg 后端 直接打开生成的 objective.png

还可以运行依赖一致性检查:

bash
python -m pip check

如果安装的包依赖关系没有冲突,预期输出为:

text
No broken requirements found.

该检查只能确认已安装包声明的依赖关系是否满足,不能代替程序运行测试。

验收实验环境

完成配置后,用以下标准验收:

  1. 执行 python -c "import sys; print(sys.prefix != sys.base_prefix)",输出 True。
  2. NumPy 和 Matplotlib 的版本分别为 1.26.4 和 3.8.4。
  3. experiment.py 输出五组正确的函数值,其中最小值为 1.0。
  4. 项目目录存在 requirements.txt 和 objective.png。
  5. 曲线最低点与红色标记重合,横坐标为 2,纵坐标为 1。

全部满足后,说明当前环境已经具备基本的数组计算和函数绘图能力。结束实验时可执行 deactivate 退出虚拟环境;下次进入项目目录后重新激活即可,无需再次创建环境。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

配置 Python 数值实验环境

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通