Ścieżka Kariery Computer Vision – Miesiąc 1. – Instalacja i konfiguracja środowiska

Miesiąc I. to dość nudne, ale stosunkowo proste zadania. Musimy przyszykować sobie możliwie dobre środowisko tak, żeby w kolejnych miesiącach zajmować się już samym uczeniem maszynowym. Nikt nie ma ochoty utknąć z niepoprawną instalacją Condy albo brakującymi wtyczkami w VS Code.

Zadanie wygląda następująco:

1.1 Instaluję Pythona 3.11

Na dzień dzisiejszy najnowszą wersją Pythona jest wersja 3.13.3. Ale nie wszystkie biblioteki już za nią nadążyły, dlatego lepiej jest zainstalować nieco starszą, stabilną wersję i mieć pewność, że nie będziemy mieć konfliktów między wersjami poszczególnych bibliotek.

Windows

1. Pobierz instalator z oficjalnej strony.
2. Wybierz: Windows installer (64-bit).
3. Uruchom instalator i koniecznie zaznacz opcję „Add Python to PATH”, zanim klikniesz „Install Now”.
4. Po instalacji sprawdź wersję:

python --version   #Powinno pojawić się: Python 3.11.x

macOS (z Homebrew)

1. Jeśli jeszcze nie masz, zainstaluj Homebrew.
2. Zainstaluj Pythona 3.11:

brew install [email protected]

3. Dodaj Pythona do ścieżki:

echo 'export PATH="/opt/homebrew/opt/[email protected]/bin:$PATH"' >> ~/.zprofile
source ~/.zprofile

4. Sprawdź wersję:

python3.11 --version

5. (Opcjonalnie) dodaj aliasy:

alias python=python3.11

alias pip=pip3.11

Linux

Większość dystrybucji Linuxa ma zainstalowanego Pythona w wersji 3.10 lub starszej. Możesz działać na niej albo doinstalować obok niej Pythona 3.11 – w ten sposób będziesz mieć pewność, że nie psujesz żadnych narzędzi systemowych.

1. Dodaj repozytorium deadsnakes (zaufane źródło nowych wersji Pythona):

sudo add-apt-repository ppa:deadsnakes/ppa

sudo apt update

2. Zainstaluj Pythona 3.11 + pip + venv:

sudo apt install python3.11 python3.11-venv python3.11-dev python3.11-distutils

3. Zainstaluj pip (jeśli nie został dodany automatycznie):

curl -sS https://bootstrap.pypa.io/get-pip.py | python3.11

4. (Opcjonalnie) ustaw aliasy w .bashrc / .zshrc:

echo "alias python=python3.11" >> ~/.bashrc

echo "alias pip=pip3.11" >> ~/.bashrc

source ~/.bashrc

5. Sprawdź, czy działa:

python --version

pip --version

! UWAGA!
Nie usuwaj starszego systemowego Pythona (python3.10, python3) – może być potrzebny dla menedżera pakietów i systemu operacyjnego.

---

1.2 Instaluję menedżera środowisk

Co to menedżer środowisk?

Menedżer środowisk to narzędzie do tworzenia odizolowanych środowisk programistycznych z osobnymi bibliotekami. Dzięki temu każdy projekt może mieć własne wersje pakietów i nie musisz się bać o konflikty bibliotek pomiędzy projektami. Najbardziej znani menedżery środowisk to Conda i Poetry. Oprócz nich mamy też venv (wbudowany w Pythona) czy pipenv.

Czym się różni Conda od Poetry?

Cecha	Conda	Poetry
Typ	Menedżer środowisk + pakietów	Menedżer zależności i środowisk (tylko Python)
Obsługa pakietów	Python + inne (np. ffmpeg, libopencv)	Tylko Python
Format pliku	environment.yml	pyproject.toml
Popularność w AI	Bardzo wysoka	Średnia – bardziej dla devów/poetów 😊
Polecenia	conda create, conda activate	poetry install, poetry shell

Conda to standard w świecie AI, bo potrafi łatwo zarządzać zależnościami C/C++ i binariami (CUDA, OpenCV). Poetry jest bardziej „czysty” i Pythonowy, ale ma problemy przy instalacji bibliotek z zewnętrznymi zależnościami. Choć zdania są podzielone, zdaje się, że Conda jest najbardziej popularną opcją wśród devów Pythona, zwłaszcza tych pracujących z ML. I to właśnie instaluję.

Jeśli masz za czas i ochotę, możesz przeczytać instrukcję i opcje instalacji Condy. Albo możesz po prostu wykonać poniższe instrukcje. Ja instaluję Condę Miniforge, bo nie zawiera zbędnych (dla mnie) pakietów i jest polecana do pracy z bibliotekami AI. 

Windows

1. Pobierz oficjalny instalator Miniforge dla Windows (64-bit) z GitHuba:
   Plik: Miniforge3-Windows-x86_64.exe
2. Uruchom instalator i postępuj zgodnie z instrukcjami. Zaznacz opcję:
   Add Miniforge to my PATH environment variable
3. Po instalacji uruchom Anaconda Prompt lub PowerShell i wpisz:

conda --version

macOS

Lubię używać Homebrew do instalacji wszystkiego, ale zdaje się, że Conda i brew się nie lubią, więc lecimy ze zwykłym curl-em. Miałam małe problemy z dodaniem Condy do ścieżki i z automatyczną inicjalizacją Condy w terminalu. Ale szybka piłka do Chata GPT (wrzucam mu screenshota z terminala – nawet się nie bawię w opisywanie sytuacji) i po problemie.

mac z procesorem M1/M2/M3 (Apple Silicon):

curl -LO https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX-arm64.sh

bash Miniforge3-MacOSX-arm64.sh

mac z procesorem Intel:

curl -LO https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX-x86_64.sh

bash Miniforge3-MacOSX-x86_64.sh

Po instalacji zamknij terminal i otwórz go ponownie lub aktywuj ręcznie:

source ~/miniforge3/bin/activate

Sprawdź:

conda --version

Linux (Ubuntu, Debian, Fedora itp.)

1. Pobierz instalator:

curl -LO https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh

2. Uruchom instalator:

bash Miniforge3-Linux-x86_64.sh

3. Po zakończeniu instalacji uruchom nowy terminal lub wpisz:

source ~/miniforge3/bin/activate

4. Sprawdź wersję:

conda --version

1.3. Instaluję VS Code

Choć VS Code jest Microsoftowy, działa w zbliżony sposób na wszystkich trzech środowiskach (Windows, macOS i Linux). W dodatku jest kompletnie bezpłatny. Instalujemy.

macOS

1. Instalujemy VS Code przez Homebrew:

brew install --cask visual-studio-code

2. Dodaj code do terminala

W VS Code:
Cmd + Shift + P → wpisz: Shell Command: Install 'code’ command in PATH

Następnie sprawdź w terminalu:

code --version

Windows

1. Pobierz instalator z oficjalnej strony.
2. W instalatorze zaznacz:
   ✅ „Add to PATH”
   ✅ „Register code as editor for supported file types”
   ✅ „Add 'Open with Code’ to right-click menu”
3. Uruchom terminal (cmd lub PowerShell):

code --version

Linux (Ubuntu / Debian)

Odpal następujące komendy w terminalu:

sudo apt update

sudo apt install wget gpg

wget -qO- https://packages.microsoft.com/keys/microsoft.asc | gpg --dearmor > packages.microsoft.gpg

sudo install -o root -g root -m 644 packages.microsoft.gpg /etc/apt/trusted.gpg.d/

sudo sh -c 'echo "deb [arch=amd64] https://packages.microsoft.com/repos/vscode stable main" > /etc/apt/sources.list.d/vscode.list'

sudo apt update

sudo apt install code

---

Ja instaluję na macu, więc lecimy z Brew:

Następnie dodajemy VS Code to ścieżki, by móc korzystać z niego w terminalu:

1.4 Instaluję wtyczki do VS Code

W VS Code wchodzimy w zakładkę Extensions (Cmnd + Shift + X) i wyszukujemy kolejno wtyczki:

• ✅ Python autorstwa Microsofta
• ✅ Jupyter autorstwa Microsofta

Wtyczka Pythona automatycznie doinstalowała też Pylance (autouzupełnianie) i Python Debuggera. Nie cierpię tego w Microsofcie (zawsze dopitolą 10000 różnych dodatków, które tylko zajmują mi miejsce na dysku). Tu akurat obie dodatkowe wtyczki są przydatne, ale będę pamiętać na przyszłość, żeby uważać na Microsoftowe wtyczki…

O czym to ja właśnie mówiłam? Wtyczka jupytera doinstalowała aż 4 dodatkowe wtyczki. Odinstaluję Cell Tags i Slide Show. Wrrr!!!

1.5 NVIDIA i sterowniki

Jako szczęśliwa właścicielka MacBooka nie mam NVIDII. 🥲
A ty masz? Sprawdź.

Windows

• Win + R → wpisz dxdiag → zakładka „Display” → sprawdź nazwę karty.
• Lub: Menadżer urządzeń → „Karty graficzne”.

Linux

W terminalu:

lspci | grep -i nvidia

Co to CUDA?

CUDA (Compute Unified Device Architecture) to technologia NVIDII umożliwiająca wykonywanie obliczeń na GPU. Szczerze mówiąc, to właśnie ta technologia kompletnie zmieniła perspektywę budowania modeli na komputerach domowych. Z CUDA model, który na CPU trenuje się przez kilkanaście godzin, może zakończyć trening w kilka minut. Różnice są gigantyczne, a Nvidia stała się obiektem westchnień wszystkich devów pracujących z ML.

Jak zainstalować CUDA Toolkit i sterowniki?

1. Sprawdź na oficjalnej stronie, jaka wersja CUDA jest wspierana przez Twoją kartę.
2. Pobierz Toolkit.
3. Postępuj zgodnie z instrukcją dla Twojego systemu operacyjnego.
4. Sprawdź instalację:

nvcc --version

#lub:

nvidia-smi

Alternatywa dla CUDA dla użytkowników macOS

Dla applowców dostępny jest Apple Metal. To tzw. niskopoziomowy framework graficzny, który umożliwia bezpośredni dostęp do GPU na macach. To odpowiedź Apple na CUDA Nvidii. A dzięki specjalnej bibliotece tensorflow-metal, użytkownicy MacBooków mogą trenować modele z TensorFlow z wykorzystaniem wbudowanego GPU. 

Niestety Apple Metal nie obsługuje jeszcze PyTorch. 

Jak zainstalować? 

pip install tensorflow-macos tensorflow-metal

Niestety ja głównie korzystam z PyTorcha, więc to usprawnienie nieszczególnie mnie raduje. Ale kto wie, być może w przyszłości przerzucę się na TensorFlow?

---

CEL

1. Po wpisaniu w terminalu polecenia python – version zwracany jest tekst 3.11.x:

2. W VS Code możesz uruchomić prosty skrypt w nowym środowiskiem:

Ja tworzę mini projekt „Hello Python”.

1. W terminalu tworzę folder projektu i wchodzę do niego:

mkdir hello-python

cd hello-python

2. Tworzę środowisko Conda o nazwie hello-env i aktywuję je.

conda create -n hello-env python=3.11

conda activate hello-env

3. Uruchom Visual Studio Code w tym folderze (właśnie po to dodawaliśmy VS Code do ścieżki):

code .

4. W VS Code klikam Cmd + Shift + P (Mac) lub Ctrl + Shift + P (Windows/Linux), wpisuję Python: Select Interpreter i wybieram hello-env.
5. Tworzę plik o nazwie main.py i wpisuję w środku:

print("Hello Python")

Zapisuję plik i klikam przycisk „▶️ Run” lub uruchamiam go bezpośrednio w terminalu za pomocą polecenia:

python main.py

Gotowe!

---

---

Co dalej?

→ Zapisz się do naszego newslettera, żeby nigdy nie przegapić żadnego wartościowego artykułu.

→ Zajrzyj do sekcji Kariera w AI, gdzie znajdziesz konkretne materiały o zmianach na rynku pracy – w Polsce i na świecie – oraz ścieżkach kariery związanych ze sztuczną inteligencją (nie tylko jako programista!).

→ A jeśli chcesz pisać modele i pracować jako Architekt AI, ale nie wiesz, od czego zacząć (lub utknąłeś gdzieś na ścieżce), odwiedź dział Nauka AI – czeka tam wiedza, ciekawostki i realne wsparcie.

---

! Uwaga

Niniejszy ebook ma charakter informacyjny i edukacyjny. Nie stanowi porady prawnej ani oferty pracy w rozumieniu przepisów krajowych lub unijnych.
Przy tworzeniu niniejszego artykułu korzystano ze wsparcia narzędzi opartych na sztucznej inteligencji – m.in. w zakresie porządkowania treści, analizy źródeł, przyspieszenia redakcji i wyszukiwania źródeł Jednak wszelkie decyzje dotycząca treści, interpretacji i ostatecznej formy zostały podjęte przez człowieka.