内容目录

第一步:访问Pycharm官网,下载PyCharm Community Edition版本

https://www.jetbrains.com.cn/pycharm/download/?section=windows

第二步:运行安装包,完成Pycharm的安装

第三步:配置Pycharm的运行环境

1、点击New Project,新建一个项目

2、选择Python的解释器类型以及版本

Python解释器类型如上图所示,有三种方式可供选择:

Project venv:这种方式Pycharm会在刚才新建的Project目录(如pythonProject)下自动创建一个文件夹venv,同时根据用户选择的释器版本,自动从Pycharm官网下载对应的Python解释器。(这种方式如果因为网速问题,可能会导致下载Python解释器比较慢,可以选择其他两种方式)

Base conda:这种方式会提示选择下载anaconda还是选择已有的anaconda。如果你本地已经下载了anaconda且知道anaconda中python的路径,可以选择这种方式。

Custom environment:这种方式一般用于本地之前已经单独安装过Python,你不需要Pycharm再自动下载Python而是使用你已有的Python时使用。

3、(由于Project venv会比较慢)此处我们选择Base conda,使用本地已安装好的anaconda中的Python解释器。

第四步:在Project目录下右键New→Python File,新建Python文件

第五步:在新建Python文件中输入测试代码

print('hello world')

输入完毕后点击Run按钮,如图提示hello world,环境配置完成。

发表评论

您的电子邮箱地址不会被公开。 必填项已用 * 标注

分类文章

personal_logo
Dongming
自由职业者

推荐活动

推荐文章

【项目实战】基于Agent的金融问答系统:RAG的检索增强之上下文重排和压缩
【项目实战】基于Agent的金融问答系统:RAG的检索增强之ElasticSearch
【项目实战】基于Agent的金融问答系统:前后端流程打通
【项目实战】基于Agent的金融问答系统:代码重构
【项目实战】基于Agent的金融问答系统:Agent框架的构建
【项目实战】基于Agent的金融问答系统:RAG检索模块初建成
【项目实战】基于Agent的金融问答系统:项目简介
【课程总结】day29:大模型之深入了解Retrievers解析器
【课程总结】day28:大模型之深入探索RAG流程
【课程总结】day30:大模型之Agent的初步了解
滚动至顶部