1
为什么 Python 是 AI 首选 & 环境
Why Python for AI & Setup
AI 不是天生选 Python 的——是 Python 的生态把其他语言卷死了。你想做的事，几乎都有现成的库；你遇到的坑，Stack Overflow 上都有人踩过。这一章先把地图和环境理清楚。
论AI 数据科学生态地图
底层数值：NumPy 提供多维数组，底层是 C，比 Python 列表快 100 倍。
数据处理：Pandas 在 NumPy 之上加了"表格"概念，读 CSV、清洗、分组，比 Excel 快。
可视化：Matplotlib 画基本图，Seaborn 在它之上做更漂亮的统计图。
经典机器学习：Scikit-learn——线性回归、决策树、聚类，API 统一，三行代码跑一个模型。
深度学习：PyTorch（研究首选）和 TensorFlow/Keras（工业界老牌）。本页选 PyTorch，因为它最 Pythonic。
装环境：Anaconda vs 纯 Python
| 方案 | 适合 | 怎么装 |
|---|---|---|
| Anaconda | 纯新手、数据科学为主 | 官网下载安装包，自带 Python + NumPy/Pandas/Jupyter。 |
| 纯 Python + venv + pip | 已经会 Python 的人 | python -m venv .venv && pip install numpy pandas matplotlib scikit-learn jupyter |
验证装好了没
python3 -c "import numpy; print(numpy.__version__)"
# 期望输出：2.x.x
python3 -c "import torch; print(torch.__version__)"
# 期望输出：2.4.x 或更高
GPU 安装没你想的那么简单
上面 pip install torch 默认装的是 CPU 版。想用 NVIDIA GPU 加速，得去 PyTorch 官网首页，选你的 CUDA 版本，复制它给的那条命令（类似 pip3 install torch --index-url https://download.pytorch.org/whl/cu121）。装完用 torch.cuda.is_available() 验证，返回 True 才说明 GPU 能用。没有 N 卡也别慌，CPU 跑 MNIST 这种小数据集完全够。
Jupyter Notebook：AI 开发的标配笔记本
Jupyter 把代码、图、文字、输出全拼在一个"笔记本"里，一格一格跑。做数据分析、调模型时，你能随时看中间结果——这是 .py 文件给不了的交互性。
jupyter notebook
# 浏览器自动打开，New → Python 3 新建一个 .ipynb
# Shift+Enter 跑一格，Ctrl+Enter 跑一格不跳下一行