ml-easy-setup 0.1.0

一键配置机器学习/深度学习环境，解决依赖冲突和配置难题

ML Easy Setup

一键配置机器学习/深度学习环境，让科研工作更专注于算法本身

🚀 为什么选择 ML Easy Setup？

痛点：配置 ML/DL 环境总是遇到各种问题

• ❌ PyTorch、TensorFlow 版本冲突
• ❌ CUDA 驱动与工具包不匹配
• ❌ 依赖关系复杂，小白不知道从何入手
• ❌ 每次换电脑都要重新配置半天

解决方案：一条命令搞定一切

• ✅ 自动检测硬件和 CUDA 版本
• ✅ 预配置最佳实践的环境模板
• ✅ 基于 uv 的高速包安装
• ✅ 完善的依赖冲突检测

📦 安装

pip install ml-easy-setup

或使用 uv（更快）：

uv pip install ml-easy-setup

🎯 快速开始

创建一个新的 PyTorch 项目

# 自动检测 CUDA 版本并创建环境
mlsetup create my-project --template pytorch --cuda auto

cd my-project
source .venv/bin/activate  # Linux/Mac
# 或
.venv\Scripts\activate     # Windows

创建 NLP 研究环境

mlsetup create nlp-research --template nlp --cuda auto

创建 CPU 版本环境

mlsetup create ml-experiment --template minimal --cuda cpu

📋 可用模板

模板	描述	核心库
minimal	最小化配置，仅包含基础 ML 库	numpy, pandas, scikit-learn
pytorch	PyTorch 深度学习框架	torch, torchvision, torchaudio
tensorflow	TensorFlow 深度学习框架	tensorflow, keras
nlp	自然语言处理环境	torch, transformers, datasets
cv	计算机视觉环境	torch, torchvision, opencv-python
rl	强化学习环境	torch, gymnasium, stable-baselines3

查看所有模板

mlsetup list-templates

🔧 系统检测

检查您的系统环境：

mlsetup detect

输出示例：

系统环境检测
━━━━━━━━━━━━━━━━━━━━━━━━━━━
项目          检测结果
━━━━━━━━━━━━━━━━━━━━━━━━━━━
操作系统      Darwin
Python 版本   3.11.5
架构          arm64
CUDA          未安装
GPU           Apple Silicon (MPS)
UV            0.1.20
━━━━━━━━━━━━━━━━━━━━━━━━━━━

📦 添加额外的包

# 添加到核心依赖
mlsetup add numpy pandas

# 添加到开发依赖
mlsetup add pytest --dev

🏗️ 项目结构

创建的项目包含以下结构：

my-project/
├── .venv/              # 虚拟环境
├── src/                # 源代码目录
├── tests/              # 测试目录
├── data/               # 数据目录
├── notebooks/          # Jupyter notebooks
├── outputs/            # 输出文件目录
├── requirements.txt    # 核心依赖
├── requirements-dev.txt # 开发依赖
└── .gitignore          # Git 忽略文件

🎨 配置选项

CUDA 版本

支持以下 CUDA 版本：

• auto - 自动检测（推荐）
• cpu - 仅 CPU 版本
• 11.8 - CUDA 11.8
• 12.1 - CUDA 12.1
• 12.4 - CUDA 12.4
• none - 不安装 CUDA 相关包

Python 版本

mlsetup create my-project --python 3.11

支持的 Python 版本：3.10, 3.11, 3.12

🆚 与其他工具对比

特性	ML Easy Setup	conda	poetry	venv
专为 ML 设计	✅	✅	❌	❌
自动 CUDA 检测	✅	❌	❌	❌
安装速度	⚡⚡⚡	⚡	⚡⚡	⚡
学习曲线	低	中	高	低
预配置模板	✅	❌	❌	❌

🔮 路线图

• 支持 Docker 容器化环境
• 环境导出/导入功能
• 云端环境配置（AWS/GCP）
• 图形化配置界面
• 环境健康检查工具

🤝 贡献

欢迎贡献！请查看 CONTRIBUTING.md 了解详情。

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

🙏 致谢

• uv - 高性能 Python 包管理器
• click - 优雅的命令行界面
• rich - 终端美化输出

---

⭐ 如果这个项目对您有帮助，请考虑给我们一个星标！

Made with ❤️ for the ML community