# 环境配置与安装说明

## 1. 推荐环境

为保证传统机器学习模型和 `LSTM+MLP` 深度学习模型均可正常训练，推荐使用 **conda 虚拟环境** 管理本项目依赖。

推荐环境：

- 操作系统：Windows 10 / Windows 11
- Python：3.11
- Conda：Anaconda 或 Miniconda
- Node.js：16+
- pnpm：8+
- CUDA：建议与 PyTorch GPU 轮子版本匹配

## 2. 创建 conda 虚拟环境

```powershell
conda create -n forsetenv python=3.11 -y
conda activate forsetenv
```

说明：

- 后续所有 Python 依赖安装、数据生成、模型训练和后端启动，均建议在 `forsetenv` 环境中进行。

## 3. 推荐安装顺序

推荐严格按下面顺序执行：

1. 创建并激活 `conda` 虚拟环境
2. 单独安装 `PyTorch GPU` 版
3. 安装其余后端依赖
4. 安装前端依赖

说明：

- `backend/requirements.txt` 中包含 `torch==2.6.0`
- 如果在 Windows 下先直接执行 `pip install -r backend/requirements.txt`，可能安装成非预期构建
- 因此深度学习环境建议先执行官方 `cu124` 安装命令，再补齐其余依赖

## 4. 安装 PyTorch GPU 版

本项目的 hybrid 深度学习模型要求：

- `torch >= 2.6`

推荐安装方式：

- 使用 **pip 官方 cu124 轮子**
- 避免在 Windows 上由 conda 自动解析成 `cpu_mkl` 构建

安装命令如下：

```powershell
pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu124
```

## 5. 安装其余后端依赖

如果你已经按上一步安装了 GPU 版 `torch`，推荐补装其余后端依赖：

```powershell
pip install Flask==2.3.3 Flask-CORS==4.0.0 python-dotenv==1.0.0
pip install pandas==2.0.3 numpy==1.24.3 scikit-learn==1.3.0 joblib==1.3.1
pip install xgboost==1.7.6 lightgbm==4.1.0
```

如果你仍然希望直接使用依赖文件，可以在完成 GPU 版 `torch` 安装后执行：

```powershell
pip install -r backend/requirements.txt
```

这一步通常不会影响已经安装好的 `cu124` 版本；如有覆盖风险，可在执行后再次运行上一节的 GPU 安装命令。

## 6. 安装前端依赖

```powershell
cd frontend
pnpm install
```

## 7. 一键执行示例

下面是一套推荐的 `conda` 环境安装流程：

```powershell
conda create -n forsetenv python=3.11 -y
conda activate forsetenv
pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu124
pip install Flask==2.3.3 Flask-CORS==4.0.0 python-dotenv==1.0.0
pip install pandas==2.0.3 numpy==1.24.3 scikit-learn==1.3.0 joblib==1.3.1
pip install xgboost==1.7.6 lightgbm==4.1.0
cd frontend
pnpm install
```

## 8. 验证安装

### 8.1 验证基础依赖

```powershell
python -c "import pandas,numpy,sklearn,flask;print('base ok')"
```

### 8.2 验证传统模型依赖

```powershell
python -c "import xgboost,lightgbm;print('ml ok')"
```

### 8.3 验证 PyTorch GPU

```powershell
python -c "import torch;print(torch.__version__);print(torch.cuda.is_available())"
```

如果输出为 `True`，说明 GPU 版本 PyTorch 可正常使用。

## 9. 项目启动顺序

### 9.1 生成数据集

```powershell
cd backend
python core/generate_dataset.py
```

### 9.2 训练模型

```powershell
python core/train_model.py
```

### 9.3 启动后端

```powershell
python app.py
```

### 9.4 启动前端

```powershell
cd ..\frontend
pnpm dev
```

## 10. 常见问题

### 10.1 PyTorch 被安装成 CPU 版

原因：

- 使用了默认 `pip install torch`
- 或使用 conda 在 Windows 上自动解析成 CPU 构建

建议：

- 直接使用本文提供的官方 `cu124` 安装命令

### 10.2 训练过程中无法加载深度学习模型

检查项：

- 当前是否处于 `forsetenv` conda 环境
- `torch` 是否成功安装
- `torch.cuda.is_available()` 是否为 `True`

### 10.3 xgboost / lightgbm 缺失

可执行：

```powershell
pip install xgboost==1.7.6 lightgbm==4.1.0
```

### 10.4 如何确认当前使用的是 conda 环境

可执行：

```powershell
conda info --envs
where python
```

如果当前环境为 `forsetenv`，且 `python` 指向对应环境目录，说明切换成功。

## 11. 建议

- 毕设演示或论文实验时，统一使用 `conda activate forsetenv`
- 深度学习模型训练时优先使用 GPU 环境
- 若仅进行页面展示，可先训练传统模型，再补充深度学习实验结果