在传统的深度学习中需要安装环境和源码来对数据集进行训练和改进。
最近在和同门的探讨中,思考其安装方式的不同。(前提使用前人的模型)
我直接分为两种方式吧

  1. 对环境依赖包的安装
    给当前 Python 环境安装某些外部依赖,一般不涉及项目的包,项目包作为运行修改。
    pip install numpy pandas(直接装指定依赖)
    pip install -r requirements.txt(从文件批量安装依赖)

  2. 对项目自身的安装
    把你当前目录的包安装到 Python 环境中
    pip install .
    含义:从当前目录(.)安装包。
    安装模式:普通模式(非 editable)。
    行为:
    把当前目录下的包复制到 Python 的 site-packages 目录。
    修改源码不会影响已安装包,需要重新安装才能生效。
    常用场景:部署、生产环境、不再频繁修改代码。
    pip install -v
    含义:-v 表示 verbose(详细输出)。
    安装模式:和默认相同(普通模式),只是输出更多安装日志。
    行为:
    会显示构建过程的详细信息(编译、依赖解析、安装路径等)。
    没有 . 的话,它会去 PyPI 或你指定的源找包。
    常用场景:调试安装问题,查看构建细节。
    pip install -e .
    含义:-e 表示 editable mode(可编辑模式),它需要一个路径参数,所以一般加 .(表示当前目录)。
    安装模式:可编辑。
    行为:
    在 site-packages 里放一个指向源码目录的符号链接(或 .pth 文件)。
    修改源码会立即生效,无需重新安装。
    必须指定安装位置(通常是 . 表示当前目录)。
    常用场景:开发阶段、频繁改代码。