这个仓库包含了配置远程开发环境的脚本和说明。
# 克隆仓库
git clone https://github.com/76483393/2.git
cd 2
# 使脚本可执行
chmod +x setup.sh
# 运行安装脚本
./setup.sh# 重新加载bash配置
source ~/.bashrc
# 或者重启终端# 进入项目目录
cd ~/projects
# 创建虚拟环境
python3 -m venv venv
# 激活虚拟环境
source venv/bin/activate
# 安装依赖
pip install -r requirements.txt- 基础工具: curl, wget, git, build-essential
- Python 3: 包含pip和开发工具
- Node.js: 最新LTS版本
- Docker: 容器化支持
- 数据科学: numpy, pandas, matplotlib, seaborn
- 机器学习: scikit-learn, torch, torchvision
- Web开发: flask, fastapi, uvicorn
- 开发工具: jupyter, pytest, black, flake8
安装后会在 ~/projects 创建以下目录结构:
~/projects/
├── src/ # 源代码
├── data/ # 数据文件
├── models/ # 模型文件
├── notebooks/ # Jupyter notebooks
├── scripts/ # 脚本文件
├── tests/ # 测试文件
├── docs/ # 文档
└── requirements.txt
脚本会设置以下环境变量:
PROJECT_ROOT: 项目根目录 (~/projects)PYTHONPATH: 包含src目录AUGMENT_WORKSPACE: Augment工作空间AUGMENT_ENV: 环境标识 (remote)
如果需要GPU支持,修改PyTorch安装命令:
# 替换setup.sh中的PyTorch安装行
pip3 install --user torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118编辑 requirements.txt 文件添加项目特定的依赖。
# 启动Jupyter Notebook
cd ~/projects/notebooks
jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser如果安装了Docker,可以使用容器化服务:
# 检查Docker安装
docker --version
# 运行示例容器
docker run hello-world如果遇到权限问题,确保用户在docker组中:
sudo usermod -aG docker $USER
# 然后重新登录如果Python包导入有问题,检查PYTHONPATH:
echo $PYTHONPATH如果下载失败,可能需要配置代理或使用国内镜像源。
如果遇到问题,请检查:
- 系统是否为Ubuntu/Debian
- 是否有sudo权限
- 网络连接是否正常
要更新环境,重新运行setup脚本:
./setup.sh