4 配置虚拟环境

查看大图

Llama3 开发要从模型理解走到数据、训练、评估和部署，形成可复现流程。阅读时可以按「为什么要使用虚拟环境？ -> 安装 virtualenv -> 创建一个虚拟环境 -> 激活虚拟环境」建立结构，再回到正文里的代码、案例或指标做验证。

查看大图

读完后，用一个真实小任务复查：输入是什么，处理环节在哪里，输出是否可验收；失败时先查「为什么要使用虚拟环境？」，再查「安装 virtualenv」。

在上一篇中，我们讨论了环境准备的关键步骤，包括如何安装 Python 以及所需的库。现在，我们将重点介绍如何配置一个隔离的虚拟环境，使得在其中进行大模型开发时不会受到系统环境的干扰。

为什么要使用虚拟环境？

使用虚拟环境可以为每个项目创建一个独立的运行空间，这样可以避免不同项目之间的依赖冲突。例如，你可能在一个项目中需要使用TensorFlow 1.x，而在另一个项目中需要使用TensorFlow 2.x。通过创建虚拟环境，你可以在各个环境中安装不同版本的库和依赖。

安装 virtualenv

首先，我们需要确保已经安装virtualenv，它是一个常用的虚拟环境管理工具。打开终端并执行以下命令：

pip install virtualenv

创建一个虚拟环境

接下来，我们可以通过以下命令来创建一个新的虚拟环境。假设我们要为Llama3模型创建一个名为llama3_env的虚拟环境：

virtualenv llama3_env

这个命令将在当前目录下新建一个名为llama3_env的文件夹，里面包含了我们需要的虚拟环境。

激活虚拟环境

创建完虚拟环境后，我们需要激活它。在不同操作系统下，激活命令稍有不同：

• 在 Windows 上：

llama3_env\Scripts\activate

• 在 macOS/Linux 上：

source llama3_env/bin/activate

激活后，你应该会看到命令行提示符前出现了(llama3_env)，这表明你已经进入了虚拟环境。

安装项目依赖

一旦激活了虚拟环境，所有在接下来的pip install命令都将只对当前的虚拟环境生效。接下来，我们将安装 Llama3 相关的基本依赖库，但我们将在下一篇中详细讨论这些依赖库的具体安装。在这里，我们可以先安装一些通用的库，如numpy和pandas：

查看大图

配置虚拟环境时，先确认项目目录、Python 版本、依赖安装位置和复现命令。环境隔离清楚，后面升级和排错更安全。

pip install numpy pandas

验证环境配置

为了确保一切顺利，我们可以通过以下命令来查看当前环境中的已安装库：

pip list

你应该能够看到刚才安装的库列在那里。

禁用虚拟环境

在完成特定任务后，你可以通过运行以下命令来退出当前的虚拟环境：

查看大图

进入《配置虚拟环境》正文前，可以先扫一遍配图：它在问什么、要分清哪些概念、哪一步值得动手、最后用什么标准验收。

deactivate

这将把你带回到系统的全局环境。

查看大图

读到这里，可以把《配置虚拟环境》整理成一张复盘表：先说清主线，再拿一个小任务检查结果。

查看大图

读完《配置虚拟环境》后，可以先挑一个小样例走完整流程，再判断哪些步骤已经能独立完成。

总结

在本节中，我们总结了如何配置一个虚拟环境来支持 Llama3 的开发。通过使用virtualenv，我们可以轻松管理不同项目的依赖，确保它们彼此之间不会冲突。下一篇，我们将深入探讨 Llama3 的相关依赖安装，帮助你全面搭建起开发环境。

保持关注，让我们一起开始 Llama3 的开发之旅吧！