Windows数据科学环境搭建避坑指南

文章配图，仅供参考

　　最离谱的是装RStudio那回。我按官网教程一步步来，装完打开直接报错“Rscript.exe not found”。我查了半天发现，Anaconda自己带的R版本和RStudio要的版本不兼容，得手动改配置文件。改完重启，又报“libcurl.dll missing”——这文件我明明在系统目录里看到了，但RStudio就是死活找不到。后来我同事老张叼着烟凑过来，说“你试试把Anaconda的R卸载了，直接装独立版R”。我照做，结果独立版R装完，PyCharm又认不出R解释器了。那天下午，我盯着屏幕上的报错信息，听着窗外下雨的声音，突然觉得这活儿干得像个傻子。

　　跟人吵架这事儿我也干过。当时我们组另一个分析师小李，非说在Windows上搭环境就得用WSL2，说“原生Windows就是垃圾”。我反驳他：“WSL2装完占二十多个G，而且文件系统跟Windows不互通，你跑个Python脚本还得在WSL里敲命令，图啥？”他冷笑：“至少不会路径报错。”我当场翻出上周他装WSL2时发的朋友圈——配图是“WSL2启动失败”的截图，配文“微软你欠我的拿什么还”。他脸一红，说“那是我版本没选对”。我原以为这事儿就这么过去了，结果第二天他给我发了个链接，是篇吹WSL2的博客，作者ID叫“WSL2永远的神”——我点开一看，作者头像是个卡通狗，简介写着“微软实习生”。

　　要说这环境搭建里最反常识的，还得是包管理。在Linux上，`apt-get install`或者`yum install`，基本不会出错。但在Windows上，conda装个包能报错八百种方式——有时候是网络问题，有时候是依赖冲突，有时候是版本不兼容。最绝的是有次我装`pandas`，conda报错说“Solving environment: failed with initial frozen solve. Retrying with flexible solve.”，然后卡在那儿不动。我等了半小时，以为它死了，结果它突然又开始动，又卡半小时，最后报错“UnsatisfiableError”。我查了半天发现，是我之前装了个旧版本的`numpy`，跟新版的`pandas`不兼容。我原以为conda能自动解决依赖，结果它连这种基础冲突都搞不定——这包管理工具是拿脚写的吧？

　　不过话说回来，Windows环境搭建也不是完全没优点。比如它图形界面友好，装软件不用敲命令，对新手友好——虽然这友好有时候是假象，比如装个RStudio能报错三小时。但优胜劣汰这事儿，在Windows上确实存在。我后来发现，但凡能在Windows上稳定运行的数据科学工具，都是经过千锤百炼的——比如Anaconda，比如PyCharm，比如独立版R。那些小众工具，或者新出的工具，在Windows上基本活不过三天。所以我现在搭环境，先查工具的Windows支持情况，支持不好的直接跳过——省得浪费时间。

　　对了，有次我装`tensorflow-gpu`，装完跑模型，GPU利用率显示0%。我查了半天，发现是驱动没装对。我重装驱动，装完重启，结果显卡驱动直接崩了，屏幕分辨率变成800x600，颜色还泛绿。我打电话给IT，IT说“你重装系统吧”。我原以为重装系统能解决，结果重装完，`tensorflow-gpu`还是认不到GPU——后来发现是CUDA版本没选对。这事儿我说不准是Windows的锅还是NVIDIA的锅，但站长个人见解，在Windows上搞深度学习，建议直接上WSL2或者云服务器——本地搭环境，纯属自虐。

　　现在我再搭环境，先列个清单：先装Anaconda，再装独立版R，PyCharm和RStudio分开装，包管理尽量用conda，冲突了再换pip。遇到报错先查Stack Overflow，查不到再问同事——问同事前先请他喝奶茶，毕竟没人愿意帮人调三小时环境。至于WSL2，我现在只当它是备用方案——毕竟，谁也不想每天跟微软和Linux斗智斗勇。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!