Windows数据科学环境搭建：避坑与高效配置实战

文章配图，仅供参考

　　去年八月我搭环境的时候也踩过这坑。当时用Anaconda装PyTorch，conda update --all之后突然报错说找不到msvcp140.dll。我盯着屏幕愣了三秒，突然想起前一天运维刚把办公室的Windows更新策略从“自动安装”改成“通知安装”——合着这破系统连个VC++运行库都懒得自己装？最后还是从隔壁测试组借了台没更新的机器，把整个Miniconda目录打包拷贝过来才跑通。

　　可最离谱的是上周帮新人搭环境。那哥们非要用WSL2跑Jupyter，说“Linux生态更友好”。结果他装完发现GPU加速用不了，查了半天发现WSL2的GPU直通得手动改注册表。我瞅着他对着regedit里的DWORD值发懵，突然想起自己上个月在WSL2里跑Stable Diffusion，显卡温度飙到90度，机箱嗡嗡响得像要起飞，最后还是滚回Windows原生环境——至少散热风扇不会把咖啡杯震翻。

　　说到咖啡，昨天下午咖啡机坏了，全组人挤在茶水间等运维修。老李趁机吐槽他那台Surface Book装CUDA的惨状：“我按官网教程一步步来，装完发现设备管理器里NVIDIA卡前面有个黄叹号。重启三次没用，最后发现是Windows自动更新了驱动，把NVIDIA官方驱动给覆盖了。”他边说边比划，“我现在学乖了，装完驱动第一件事就是禁用Windows Update的驱动更新服务——虽然微软总说这功能‘智能’，可它连我显卡型号都认不对啊！”

　　这时候前端小妹凑过来插嘴：“你们数据科学组的环境也太麻烦了吧？我们前端就装个Node.js和Chrome，从来没这些破事儿。”我白她一眼：“那是你们没碰过需要同时跑PyTorch、TensorFlow、XGBoost和Spark的环境——光是Python版本就能让你怀疑人生。上次我想用conda create一个Python 3.8的环境，结果因为基础环境是3.11，conda死活解不开依赖冲突，最后只能用virtualenv硬装。”

　　老张这会儿终于把笔记本修好了，举着它晃悠：“你们猜我怎么解决的？我把系统盘格式化重装了Windows 11 LTSC版——就是那个没有Edge浏览器和Cortana的精简版。装完发现连Anaconda的安装包都下不动，原来LTSC默认禁用Windows Store应用商店。最后还是用手机开热点，从官网下了个离线安装包才搞定。”他得意地笑，“现在这机器跑PyTorch 2.0，GPU利用率终于能上90%了——虽然风扇还是吵得像直升机。”

　　我突然想起自己上个月在办公室装双系统的惨剧。本来想在Windows上留个Ubuntu分区跑些Linux专属工具，结果分区的时候手滑把D盘给格式化了——那里面存着上周刚跑完的300G实验数据。我盯着黑屏的电脑愣了十分钟，最后只能厚着脸皮找运维恢复数据。他们用那个什么R-Studio扫了六个小时，最后只找回来一半——剩下的全是碎片文件，打开全是乱码。现在我那D盘里还躺着几十个“文件_恢复_1.txt”到“文件_恢复_50.txt”的残骸，每次看到都后背发凉。

　　老李这时候又补刀：“你们知道现在最稳的方案是什么吗？直接买台MacBook Pro装Windows虚拟机——至少macOS的驱动不会天天作妖。”我摇头：“那也得看虚拟机配置。上次我试了Parallels Desktop，给虚拟机分了8G内存，结果跑PyTorch的时候内存占用直接飙到12G——原来Windows虚拟机还会偷偷吃宿主机的内存。”老张在旁边冷笑：“所以还是得用物理机——虽然麻烦，但至少出了问题知道该砸谁。”

　　说到砸东西，上周运维小哥在机房摔了个鼠标——因为某台服务器突然宕机，他远程连上去发现是Windows Update自动重启了。那台机器上跑着我们的定时训练任务，本来该凌晨三点跑完，结果因为重启拖到早上六点才完成，导致当天模型更新延迟了三个小时。产品经理在群里狂@我们，问“为什么模型版本没按时上线”，我盯着屏幕上的错误日志，突然想起自己上周也忘了关那台开发机的自动更新——现在那台机器的C盘里还躺着个没装完的Windows 11 23H2更新包，每次开机都提示“正在配置更新，请勿关闭计算机”，可它卡在99%已经两周了。

　　其实最让我无语的是环境一致性。我们组现在六个人，用的Python版本从3.7到3.11都有，CUDA版本从11.3到12.2混着用，连PyTorch版本都能分出1.12、2.0和2.1三个阵营。上周新人跑我的代码，死活报错说“AttributeError: module 'torch' has no attribute 'compile'”——我查了半天才发现，他装的是PyTorch 1.12，而这个API是2.0才加的。最后只能让他重装环境，结果他又把conda和pip混着用，装完发现依赖冲突，只能手动删了一堆包再重装。现在他工位上贴着张便签，上面写着“先conda后pip，否则重来”，可惜那便签贴歪了，卷着边在显示器旁边晃悠。

　　所以我现在的方案特别简单：新机器到手先装Windows 11企业版LTSC，禁用所有自动更新；用Miniconda而不是Anaconda，避免装一堆用不上的包；Python版本固定用3.8或3.10——这两个版本兼容性最好；CUDA和cuDNN手动下载指定版本，绝不让Windows Update碰驱动；最后在PowerShell里写个脚本，把所有环境变量和路径都锁死，防止新人手滑改错。虽然麻烦，但至少能保证三个月内不出环境问题——至于三个月后，大不了重装系统呗，反正现在SSD便宜，装系统比修环境快多了。

　　不过话说回来，昨天看到隔壁算法组在用Docker跑Windows容器，说是能解决环境一致性问题。我瞅着他们那台装着Docker Desktop的笔记本，开机要三分钟，跑个Hello World都能把CPU占用拉到100%，突然觉得还是物理机实在——至少摔键盘的时候，能听到实实在在的“啪”的一声。

（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!