搞了一阵子Python这玩意儿用起来是爽，但坑也不少。以下分六个类别来介绍，都是血泪教训，今天给大家分享一下。
一、环境配置
1. Python版本坑
# 坑：Python 2和Python 3不兼容
# print "hello" # Python 2能跑，Python 3报错
print("hello") # 都得这样写# 解决方案：
# 无脑用Python 最新版本，别用老的
# 用anaconda管理环境，省心
2. 包依赖地狱
# 你以为：
pip install tensorflow# 实际可能：
ERROR: Could not find a version that satisfies the requirement tensorflow
ERROR: No matching distribution found for tensorflow# 真实原因：
# Python版本不对
# 操作系统不对
# 没装VS Build Tools（Windows）
避坑指南：
- 用conda安装：
conda install tensorflow - 或者指定版本：
pip install tensorflow==2.20.0 - 看官方文档的系统要求，别想当然
3. CUDA和cuDNN的玄学问题
# 跑个GPU加速，结果：
import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))
# 输出：[] # 空的！GPU呢？# 可能原因：
# 1. CUDA版本和TensorFlow版本不匹配
# 2. cuDNN没装对
# 3. 显卡驱动太老
解决方案：
- 去NVIDIA官网查兼容矩阵
- TensorFlow官网也有版本对应表
- 嫌麻烦就用Google Colab，人家的环境配好了
二、数据处理
1. 内存爆炸
import pandas as pd
import numpy as np# 作死操作：
data = pd.read_csv('10GB的数据.csv') # 内存直接爆
big_array = np.ones((100000, 100000)) # 80GB内存，买得起吗？# 正确做法：
# 1. 分块读取
chunks = pd.read_csv('big_data.csv', chunksize=10000)
for chunk in chunks:process(chunk)# 2. 指定数据类型
dtypes = {'id': 'int32', 'price': 'float32'}
df = pd.read_csv('data.csv', dtype=dtypes)# 3. 用h5py或feather格式
import h5py
with h5py.File('data.h5', 'r') as f:data = f['dataset'][:]
2. 数据泄露（Data Leakage）
# 新手常犯：
from sklearn.preprocessing import StandardScaler# 错误：先标准化再划分
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X) # 用了全部数据！
X_train, X_test = train_test_split(X_scaled, test_size=0.2) # 泄露了！# 正确：先划分再标准化
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train) # 只用训练集
X_test_scaled = scaler.transform(X_test) # 用训练集的参数
3. 类别不平衡
# 1000个样本，990个A类，10个B类
# 模型全预测A，准确率99%，看似牛逼，其实垃圾# 解决方法：
# 1. 重采样
from imblearn.over_sampling import SMOTE
smote = SMOTE(random_state=42)
X_resampled, y_resampled = smote.fit_resample(X, y)# 2. 调整类别权重
model = RandomForestClassifier(class_weight='balanced')# 3. 用合适的评估指标
# 别只看准确率，看F1-score、AUC-ROC
三、模型训练
1. 过拟合而不自知
# 训练集准确率：99.9%
# 测试集准确率：60.2%
# 问题：模型只会背答案，不会举一反三# 如何发现：
# 1. 学习曲线：训练误差和验证误差差距大
# 2. 早停（Early Stopping）
from tensorflow.keras.callbacks import EarlyStopping
early_stop = EarlyStopping(monitor='val_loss', patience=5)# 预防措施：
# 1. 正则化（L1/L2）
# 2. Dropout
# 3. 数据增强
# 4. 简化模型
2. 超参数乱调
# 错误：瞎调参数
params = {'learning_rate': [0.1, 0.01, 0.001, 0.0001, 0.00001],'batch_size': [16, 32, 64, 128, 256, 512],'hidden_layers': [1, 2, 3, 4, 5, 6, 7, 8]
}
# 这得跑多少天？# 正确做法：
# 1. 先用默认参数跑基线
# 2. 一次只调1-2个最重要的参数
# 3. 用网格搜索或随机搜索
from sklearn.model_selection import RandomizedSearchCV
3. 训练不稳定
# 损失函数上下跳动，像心电图
# 可能原因：
# 1. 学习率太大
# 2. 数据没打乱
# 3. 批次大小太小# 解决方案：
# 1. 学习率衰减
# 2. 梯度裁剪
# 3. 批量归一化
四、部署上线
1. 环境不一致
# 本地跑的飞起，服务器上就报错
# 经典错误：ModuleNotFoundError: No module named 'xxx'# 解决方案：
# 1. 用Docker打包整个环境
# 2. 导出requirements.txt
pip freeze > requirements.txt
# 3. 用虚拟环境
python -m venv venv
2. 推理速度慢
# 训练用GPU，推理用CPU
# 一张图推理要10秒，用户早跑了# 优化方案：
# 1. 模型量化（FP32 -> INT8）
# 2. 模型剪枝
# 3. 用ONNX转换
# 4. 缓存结果
3. 内存泄漏
# 服务跑着跑着内存满了
# 常见原因：
# 1. 全局变量越积越多
# 2. 没及时清理缓存import gc# 定期清理
def process_request(data):result = model.predict(data)del data # 及时删除gc.collect() # 强制垃圾回收return result
五、工具使用
1. Jupyter Notebook的坑
# 坑1：变量状态不清
# 上上个cell改了变量，现在cell结果不对# 坑2：内存累积
# 跑了很久，内存爆了，得重启kernel# 坑3：版本管理难
# .ipynb文件diff看不明白# 建议：
# 1. 经常重启kernel
# 2. 用%xdel删除大变量
# 3. 转成.py文件再用git
2. 不看文档瞎搞
# 典型：Stack Overflow复制粘贴
# 别人的代码用了新版API，你的版本旧# 正确做法：
# 1. 先看官方文档（读最新版）
# 2. 看函数签名：help(tf.keras.layers.Dense)
# 3. 看源码：按住Ctrl点函数名（VSCode）
3. 不会调试
# 就知道print，满屏日志# 更好的方法：
import pdbdef complex_function(x):pdb.set_trace() # 在这里断点result = x * 2return result# 或者用IDE调试器（VSCode、PyCharm）
六、心态
1. 盲目追新
# 听说新模型SOTA，立马换
# 结果：环境不兼容，代码全要改
# 建议：先用稳定版，等别人踩完坑
2. 不测试
# 改了个bug，引出三个新bug
# 解决方案：
import unittestclass TestModel(unittest.TestCase):def test_prediction_shape(self):input_data = np.random.randn(10, 224, 224, 3)output = model.predict(input_data)self.assertEqual(output.shape, (10, 1000))
3. 不记录
# 调了三天参数，忘了哪个最好
# 用这些工具：
# 1. MLflow
# 2. Weights & Biases
# 3. 至少写个txt记录
AI项目不是写一次就完事的，是个持续迭代的过程。代码要写干净，注释要写好，实验要记录。遇到问题先搜GitHub Issues，大概率有人遇到过。
跑通一个简单但完整的流程，比搞一半的复杂项目有用得多。先做出能用的东西，再慢慢优化。
建议买个好点的GPU，或用云服务器，别浪费时间。