DeepKe开源框架实战0：从环境配置到项目运行的踩坑之路

DeepKe是一个开源的知识图谱抽取与构建工具，基于深度学习技术，支持多种任务类型。本文记录了我在配置 DeepKe 环境时遇到的各种问题及解决方案。

前言

在知识图谱构建领域，DeepKe 作为一个强大的开源工具，吸引了我的注意。它不仅支持实体关系抽取、属性抽取等多种任务，而且基于 PyTorch 实现，具有良好的扩展性。本文将详细记录我从零开始配置 DeepKe 环境的全过程，希望能帮助遇到类似问题的同学。

环境配置详解

一、代码获取

首先，我们需要获取 DeepKe 的源代码。考虑到国内网络环境，我选择了从 Gitee 克隆代码：

git clone https://gitee.com/openkg/deepke.git

二、环境依赖问题的解决

在配置过程中，我遇到了 conda 命令无法使用的问题。这是一个典型的环境变量配置问题，解决过程如下：

1. 问题诊断

首先通过版本检查确认问题：

conda --version

命令未返回版本号，说明 Anaconda 环境变量未正确配置。

2. 环境变量配置

在 Windows 系统中，需要添加以下路径到系统环境变量：

E:\Anaconda3\Scripts
E:\Anaconda3

提示：请根据你的实际安装路径修改上述地址。

3. 验证配置

重新运行版本检查命令：

conda --version

返回 conda 23.3.1，表明环境变量配置成功。

三、虚拟环境创建与激活

创建专用的 Python 环境是一个好习惯，可以避免依赖冲突。

conda create -n deepke-llm python=3.9

然而，在激活环境时遇到了新的问题。

问题：conda activate 失效

错误信息：

解决方案：

1. 对于 PowerShell 用户：

   conda init powershell
   

2. 对于 CMD 用户：

   conda init cmd.exe
   

重要提示：初始化后必须重启终端才能生效。

四、项目依赖安装

1. 首先切换到项目目录：

   cd example/llm
   

2. 安装项目依赖：

   pip install -r requirements.txt
   

环境配置要点总结

1. 版本控制：
   • Python 3.9
   • 最新版 conda
   • 最新版 DeepKe
2. 关键路径：
   • Anaconda 安装路径
   • 项目根目录
   • 依赖文件位置
3. 常见问题解决：
   • 环境变量配置
   • conda 命令初始化
   • 虚拟环境管理

后续计划

环境配置完成后，我计划：

1. 深入学习 DeepKe 的核心功能
2. 复现几个典型的知识图谱构建案例
3. 尝试在实际项目中应用

经验总结：在配置深度学习环境时，注意记录每一步操作和可能遇到的问题，这对后续的问题排查和经验分享都很有帮助。

---

本文是 DeepKe 学习系列的第一篇，后续我会继续分享使用心得和实战经验，欢迎感兴趣的同学一起交流学习。