Windows数据科学环境搭建：11年开发者避坑指南

　　去年中考那几天，我工位上键盘都快敲出火星子了——不是因为项目排期紧，是特么被Windows数据科学环境折腾的。运维在群里喊“Jupyter又崩了”的时候，我正盯着屏幕上的CUDA错误码，咖啡凉了都没顾上喝，手机还亮了一下，是前端发消息说“接口又超时了”。

　　说白了，这事儿就是优胜劣汰。我原以为Windows下装个Anaconda、配个PyTorch，顶多花半天时间，结果光是CUDA和cuDNN的版本匹配就卡了我两天。你试过在Anaconda里装pytorch-gpu，结果报错说“CUDA driver version is insufficient for CUDA runtime version”吗？我特么把NVIDIA驱动从535降到525，又从525升到531，最后发现是cuDNN版本装高了——这玩意儿在Windows下根本不按套路出牌，Linux里“conda install”能解决的事，Windows得翻三遍官方文档。

　　运维当时蹲在我工位旁边看，键盘声敲得比我还响，突然冒一句：“要不直接装WSL2？”我差点把咖啡杯摔了——WSL2确实能跑Linux环境，可数据科学那套工具链在WSL2里性能掉得离谱。我测过，同样跑一个TensorFlow模型，WSL2比原生Windows慢百分之三十（没细看，反正能感觉到卡顿）。更坑的是，WSL2里装NVIDIA驱动还得额外配，配完发现Jupyter在WSL2里启动不了，报错是“No module named 'notebook'”——合着我装了个寂寞？

　　后来我咬咬牙，决定硬刚原生Windows。先是把Anaconda彻底卸载（残留文件删得比拆炸弹还仔细），然后手动装Python 3.10（别问我为什么不是3.11，某些库还不支持）。装PyTorch的时候，我直接去官网抄了“conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia”这条命令——结果报错说“PackagesNotFoundError”。我盯着屏幕愣了三秒，突然反应过来：Windows的conda渠道和Linux不一样！得把“-c pytorch -c nvidia”改成“-c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/nvidia/”。改完再跑，终于装上了，可Jupyter启动又崩了，日志里写着“Kernel died, restarting”——这特么比接口超时还难查。

　　产品这时候凑过来问：“进度咋样了？”我头都没抬：“在跟CUDA打架。”她哦了一声，走了。我继续翻日志，发现是内存不足——可我的机器是32G啊！后来才发现，Windows的内存管理比Linux糙多了，Jupyter跑起来会占满物理内存，剩下的全靠虚拟内存，而虚拟内存在Windows下慢得离谱。我关了所有不必要的进程，又把Jupyter的内存限制调高，才勉强跑起来。

　　说到这儿，我想起旧同事老张。他去年也踩过这坑，最后直接买了台MacBook Pro，说“Windows搞数据科学就是自虐”。我当时还笑他矫情，现在想想，他可能是对的。可问题是，不是所有人都能换设备啊——我们组还有用Windows笔记本的测试，他们也得跑数据科学脚本啊。

文章配图，仅供参考

　　现在我的环境终于跑起来了，可我还是不敢保证它不会崩。比如今天下午，我跑了个大模型，Jupyter突然卡死，任务管理器显示Python进程占满CPU，可模型明明该在GPU上跑啊！我查了半天，发现是某个库的版本冲突——这特么谁能想到？

　　窗外的天已经黑了，工单系统又弹了条消息，是测试说“数据科学脚本又跑不通了”。我叹了口气，喝了口凉咖啡，准备继续查日志。说白了，Windows数据科学环境搭建就是场优胜劣汰的生存游戏——能扛住这些坑的，才是真·开发者；扛不住的，要么换设备，要么转行。

　　至于我？我可能还得再扛一阵子——毕竟，谁让我当初选了Windows呢？

（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!