UV-python环境管理工具 入门教程

在学习使用 MCP 的时候接触到了 UV 这个环境管理工具,经过对比,发现它在诸多方面比 venv、conda 等工具更为出色,因此整理了这份简单的入门学习笔记,希望能帮助大家快速上手。

介绍

UV 是一款集 Python 版本管理、虚拟环境创建与管理、依赖安装等多功能于一体的轻量级工具,可类比为 “pyenv + virtualenv + pip-tools” 的组合。与传统工具不同,它使用 Rust 编写,这赋予了它卓越的性能,在处理依赖安装与解析时,速度可比 pip 快 10 - 100 倍 。

uv 的特点:

  1. 速度更快:相比 pip ,uv 采用 Rust 编写,性能更优。
  2. 支持 PEP 582:无需 virtualenv ,可以直接使用
  3. 兼容 pip :支持 pypackages 进行管理。 requirements.txt 和 pyproject.toml 依赖管理。
  4. 替代 venv :提供 uv venv 进行虚拟环境管理,比venv更轻量
  5. 跨平台:支持 Windows、macOS 和 Linux。

安装

方法 1:pip
使用 pip 安装(适用于已安装 pip 的系统)
 pip install uv
方法 2:curl
使用 curl 直接安装 如果你的系统没有 pip

直接运行:

curl https://raw.githubusercontent.com/1stG/uv/master/installer.sh | bash

这会自动下载 uv 并安装到 /usr/local/bin 。

方法 3:Windows 下的 PowerShell 安装

在 Windows 系统中,可通过 PowerShell 执行以下命令进行安装:

irm https://raw.githubusercontent.com/1stG/uv/master/installer.ps1 | iex

安装完成后,可通过命令uv --version验证是否安装成功 。

换源

在 Windows 系统上修改 UV 的下载源,通过环境变量修改
UV 提供了 UV_PYPI_INDEX_URL环境变量来设置默认的包索引源。

设置方法:
打开 “此电脑” 或 “我的电脑”,右键点击选择 “属性”。
在弹出的窗口中选择 “高级系统设置”。
在 “系统属性” 窗口中,点击 “环境变量” 按钮。
在 “系统变量” 或 “用户变量” 中点击 “新建”:
变量名:UV_PYPI_INDEX_URL
变量值:设置为你想要的镜像源地址,例如 https://pypi.tuna.tsinghua.edu.cn/simple。
点击 “确定” 保存设置。

创建项目

笔者自己的理解:

​ 在传统的 venv、conda 等环境管理工具中,环境与项目相对独立,一个环境可运行多个项目代码(前提是环境匹配)。而 UV 通过在项目目录生成配置文件(.uv),实现环境与项目的便捷关联。默认情况下,进入项目目录时需手动激活环境,也可配置自动激活 。环境本质上是独立的,可在多个项目中复用。

因此,创建项目即创建环境。

uv init project_name --python 3.12
cd project_name

我们这里示例创建一个uv项目,名字叫uv_study:

uv init uv_study --python 3.12
cd uv_study

在这里插入图片描述

执行上述命令后,UV 会在当前目录下创建一个基于 Python 3.12 的虚拟环境,并生成.uv配置文件

在这里插入图片描述

这样,一个uv项目或者说一个uv环境就创建好了。

库管理

要想在这个环境中添加依赖库,只需要使用uv add命令即可。(当然得在对应的项目目录下)

uv add package_name
# 等效于pip install,但是比pip更快

例如,下图是uv初始环境:

在这里插入图片描述

我们现在新安装一个requests库:

uv add requests

安装完成后,uv会自动在pyproject.toml写入依赖,比传统的requirements.txt高效得多。

在这里插入图片描述

当然也可以删除库:

uv remove requests

在这里插入图片描述

运行项目

我们简单修改一下main.py运行测试一下:

在这里插入图片描述

使用uv run即可

uv run main.py

在这里插入图片描述

使用别人的uv项目

我们这里先删除我们自己的venv环境:

在这里插入图片描述

然后再重新导入这个uv项目,同步依赖,根据项目pyproject.toml文件安装所有声明的包:

uv sync

在这里插入图片描述

如此,即可快速搭建与原作者一致的开发环境 。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/bicheng/82403.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【漫话机器学习系列】277.梯度裁剪(Gradient Clipping)

【深度学习】什么是梯度裁剪(Gradient Clipping)?一张图彻底搞懂! 在训练深度神经网络,尤其是 RNN、LSTM、Transformer 这类深层结构时,你是否遇到过以下情况: 模型 loss 突然变成 NaN&#xf…

零基础弄懂 ngx_http_slice_module分片缓存加速

一、为什么需要 Slice? 在 NGINX 反向代理或 CDN 场景中,大文件(视频、软件包、镜像等)常因单体体积过大而令缓存命中率低、回源代价高。 ngx_http_slice_module 通过把一次完整响应拆分成 固定大小的字节块(Slice&am…

机器人强化学习入门学习笔记(三)

强化学习(Reinforcement Learning, RL)与监督学习不同——你不需要预先准备训练数据集,而是要设计环境、奖励函数,让智能体通过交互不断探索和学习。 🎯 一、强化学习和训练数据的关系 强化学习不依赖固定的数据集。它…

【python实战】二手房房价数据分析与预测

个人主页:大数据蟒行探索者 目录 一、数据分析目标与任务 1.1背景介绍 1.2课程设计目标与任务 1.3研究方法与技术路线 二、数据预处理 2.1数据说明 2.2数据清洗 2.3数据处理 三、数据探索分析 四、数据分析模型 五、方案评估 摘要:随着社会经…

Kotlin IR编译器插件开发指南

在 Kotlin 中开发基于 IR(Intermediate Representation)的编译器插件,可以深度定制语言功能或实现高级代码转换。以下是分步骤指南: 一、IR 编译器插件基础 IR 是什么? Kotlin 编译器将源码转换为 IR 中间表示&#xf…

如何用 python 代码复现 MATLAB simulink 的 PID

MATLAB在 Simulink 里做以下设置MATLAB 脚本调用示例 python 实现离散 PID 实现(并行形式) Simulink 中两种 PID 结构(并联形式, I-形式)下连续/离散时域里积分增益 I 的表示并联(Parallel) vs 理想&#x…

黑马点评--基于Redis实现共享session登录

集群的session共享问题分析 session共享问题:多台Tomcat无法共享session存储空间,当请求切换到不同Tomcat服务时,原来存储在一台Tomcat服务中的数据,在其他Tomcat中是看不到的,这就导致了导致数据丢失的问题。 虽然系…

SkyWalking启动失败:OpenSearch分片数量达到上限的完美解决方案

🚨 问题现象 SkyWalking OAP服务启动时报错: org.apache.skywalking.oap.server.library.module.ModuleStartException: java.lang.RuntimeException: {"error":{"root_cause":[{"type":"validation_exception", "reason&q…

向量数据库选型实战指南:Milvus架构深度解析与技术对比

导读:随着大语言模型和AI应用的快速普及,传统数据库在处理高维向量数据时面临的性能瓶颈日益凸显。当文档经过嵌入模型处理生成768到1536维的向量后,传统B-Tree索引的检索效率会出现显著下降,而现代应用对毫秒级响应的严苛要求使得…

MySQL#秘籍#一条SQL语句执行时间以及资源分析

背景 一条 SQL 语句的执行完,每个模块耗时,不同资源(CPU/IO/IPC/SWAP)消耗情况我该如何知道呢?别慌俺有 - MySQL profiling 1. SQL语句执行前 - 开启profiling -- profiling (0-关闭 1-开启) -- 或者:show variables like prof…

【数据结构】实现方式、应用场景与优缺点的系统总结

以下是编程中常见的数据结构及其实现方式、应用场景与优缺点的系统总结: 一、线性数据结构 1. 数组 (Array) 定义:连续内存空间存储相同类型元素。实现方式:int[] arr new int[10]; // Javaarr [0] * 10 # Python操作: 访问&…

PyTorch中cdist和sum函数使用示例详解

以下是PyTorch中cdist与sum函数的联合使用详解: 1. cdist函数解析 功能:计算两个张量间的成对距离矩阵 输入格式: X1:形状为(B, P, M)的张量X2:形状为(B, R, M)的张量p:距离类型(默认2表示欧式距离)输出:形状为(B, P, R)的距离矩阵,其中元素 d i j d_{ij} dij​表示…

Ansible配置文件常用选项详解

Ansible 的配置文件采用 INI 格式,分为多个模块,每个模块包含特定功能的配置参数。 以下是ansible.cfg配置文件中对各部分的详细解析: [defaults](全局默认配置) inventory 指定主机清单文件路径,默认值为 …

了解FTP搜索引擎

根据资料, FTP搜索引擎是专门搜集匿名FTP服务器提供的目录列表,并向用户提供文件信息的网站; FTP搜索引擎专门针对FTP服务器上的文件进行搜索; 就是它的搜索结果是一些FTP资源; 知名的FTP搜索引擎如下, …

【大模型面试每日一题】Day 28:AdamW 相比 Adam 的核心改进是什么?

【大模型面试每日一题】Day 28:AdamW 相比 Adam 的核心改进是什么? 📌 题目重现 🌟🌟 面试官:AdamW 相比 Adam 的核心改进是什么? #mermaid-svg-BJoVHwvOm7TY1VkZ {font-family:"trebuch…

C++系统IO

C系统IO 头文件的使用 1.使用系统IO必须包含相应的头文件,通常使用#include预处理指令。 2.头文件中包含了若干变量的声明,用于实现系统IO。 3.头文件的引用方式有双引号和尖括号两种,区别在于查找路径的不同。 4.C标准库提供的头文件通常没…

多模态理解大模型高性能优化丨前沿多模态模型开发与应用实战第七期

一、引言 在前序课程中,我们系统剖析了多模态理解大模型(Qwen2.5-VL、DeepSeek-VL2)的架构设计。鉴于此类模型训练需消耗千卡级算力与TB级数据,实际应用中绝大多数的用户场景均围绕推理部署展开,模型推理的效率影响着…

各个网络协议的依赖关系

网络协议的依赖关系 学习网络协议之间的依赖关系具有多方面重要作用,具体如下: 帮助理解网络工作原理 - 整体流程明晰:网络协议分层且相互依赖,如TCP/IP协议族,应用层协议依赖传输层的TCP或UDP协议来传输数据&#…

11.8 LangGraph生产级AI Agent开发:从节点定义到高并发架构的终极指南

使用 LangGraph 构建生产级 AI Agent:LangGraph 节点与边的实现 关键词:LangGraph 节点定义, 条件边实现, 状态管理, 多会话控制, 生产级 Agent 架构 1. LangGraph 核心设计解析 LangGraph 通过图结构抽象复杂 AI 工作流,其核心要素构成如下表所示: 组件作用描述代码对应…

相机--基础

在机器人开发领域,相机种类很多,作为一个机器人领域的开发人员,我们需要清楚几个问题: 1,相机的种类有哪些? 2,各种相机的功能,使用场景? 3,需要使用的相机…