Python Environment for AI Development: venv, pip અને Project Structure સરળ ગુજરાતીમાં

Python Environment for AI Development: AI Project શરૂ કરતા પહેલા આ જાણો

ધારો — તમારે ઘરે રસોઈ બનાવવી છે. રસોડામાં ઘીની બોટલ, મીઠાનો ડબ્બો, ચા-પત્તી — બધું ભેળસેળ! ક્યો Masala ક્યા Project નો — ખ્યાલ ન રહે.

Smart Chef શું કરે? — દરેક Dish માટે અલગ Section, અલગ Utensils, અલગ Ingredients.

AI Development માં Python Environment ઠીક આ જ ભૂમિકા ભજવે — દરેક Project માટે અલગ, સ્વચ્છ, Organized Setup.

Python Environment કેમ જોઈએ?

AI Development માં ઘણા Projects ચાલે:

Project A — TensorFlow 2.10 વાપરે
Project B — TensorFlow 2.15 વાપરે
Project C — PyTorch વાપરે

જો બધા એક જ System Python ઉપર Install થાય — Version Conflict! Project A ટૂટે, Project C ન ચાલે — ગડબડ!

Solution: દરેક Project ને પોતાનું અલગ Python Environment — Isolated, Clean, Conflict-Free.

1. Virtual Environment — "Project નું અલગ ઘર"

Virtual Environment (venv) = System Python ને Touch કર્યા વગર — Project ને પોતાનું Private Python આપો.

venv — Python Built-in (સૌથી સરળ)

venv Python ની સાથે જ આવે — Extra Install ની જરૂર નથી.

કેવી રીતે ઉપયોગ:

# Step 1: Project Folder બનાવો
mkdir my-ai-project
cd my-ai-project

# Step 2: Virtual Environment બનાવો
python -m venv venv

# Step 3: Activate કરો
# Mac/Linux:
source venv/bin/activate

# Windows:
venv\Scripts\activate

# Activated! Prompt માં (venv) દેખાશે:
# (venv) C:\my-ai-project>

Deactivate:

deactivate

💡 Activate = Project ના ઘરમાં Entry. Deactivate = ઘરની બહાર.

venv ક્યારે ઉપયોગ?

Simple Python/AI Projects
Web Server (FastAPI, Flask)
Scripts અને Automation

conda — Data Science નો Best Friend

conda Anaconda/Miniconda Distribution સાથે આવે — venv કરતા ઘણું Powerful.

venv vs conda — ફરક:

	venv	conda
Install	Python Built-in	Anaconda/Miniconda
Python Version	System Python	ગમે તે Python Version
Non-Python Packages	❌	✅ (C, CUDA, etc.)
Data Science	ઓકે	✅ Best
Speed	ઝડપ	થોડો ધીમો
AI/ML Projects	✅	✅✅

conda ઉપયોગ:

# Environment બનાવો (Python 3.11 સાથે)
conda create -n my-ai-env python=3.11

# Activate
conda activate my-ai-env

# Deactivate
conda deactivate

# Environments List
conda env list

💡 conda ખાસ ત્યારે: CUDA (GPU), OpenCV, Scientific Libraries — Non-Python Dependencies ઉપર.

2. Package Management — pip: "Package ની Grocery Shop"

pip = Python Package Installer — AI Libraries Install/Remove/Update — pip ના Command.

pip Basic Commands

# Package Install
pip install numpy

# Specific Version Install
pip install tensorflow==2.15.0

# Multiple Packages Install
pip install numpy pandas matplotlib scikit-learn

# Package Remove
pip uninstall numpy

# Installed Packages List
pip list

# Package Info
pip show tensorflow

requirements.txt — Project ની Shopping List

requirements.txt = Project ની Library List — ટીમ Member ને Share કરો, Run કરે, Same Environment Ready!

# Current Environment ની Library List Save
pip freeze > requirements.txt

requirements.txt example:

numpy==1.26.4
pandas==2.2.0
scikit-learn==1.4.0
tensorflow==2.15.0
matplotlib==3.8.2
fastapi==0.109.0

# requirements.txt થી Install (New System/Teammate)
pip install -r requirements.txt

💡 Golden Rule: requirements.txt Project ની સાથે Git માં Commit — ટીમ ના બધા Members Same Libraries!

pip ઉપયોગ AI Libraries

# Deep Learning
pip install tensorflow
pip install torch torchvision torchaudio

# Data Science
pip install numpy pandas matplotlib seaborn scikit-learn

# NLP / LLM
pip install transformers
pip install openai
pip install langchain

# Jupyter Notebook
pip install jupyter notebook
pip install jupyterlab

# FastAPI (AI API Serve)
pip install fastapi uvicorn

3. AI Project ની Structure — "ઘર Organized હોય ત્યારે કામ ઝડપ"

Professional AI Project Randomly Files Dump ન કરે — Standard Structure Follow:

Basic AI Project Structure

my-ai-project/
│
├── data/                    # Data Files
│   ├── raw/                 # Original, Untouched Data
│   ├── processed/           # Clean, Ready-to-Use Data
│   └── external/            # Third-party Data
│
├── notebooks/               # Jupyter Notebooks (Experiments)
│   ├── 01_eda.ipynb         # Exploratory Data Analysis
│   └── 02_model.ipynb       # Model Experiments
│
├── src/                     # Source Code (Main Logic)
│   ├── __init__.py
│   ├── data_prep.py         # Data Preprocessing
│   ├── model.py             # Model Definition
│   ├── train.py             # Training Script
│   └── predict.py           # Prediction/Inference
│
├── models/                  # Saved Model Files
│   └── best_model.pkl
│
├── tests/                   # Test Files
│   └── test_model.py
│
├── venv/                    # Virtual Environment (Git Ignore!)
│
├── requirements.txt         # Library List
├── .env                     # API Keys (Git Ignore!)
├── .gitignore               # Git Ignore Rules
└── README.md                # Project Description

દરેક Folder નો Role

data/ — Data ક્યારેય Git માં Push ન કરો (Large Files). .gitignore માં Add.

notebooks/ — Jupyter Notebooks Experiments માટે — "Rough Work" Area.

src/ — Final, Clean Code — Import-able Modules.

models/ — Train થયેલ Model Save — model.pkl, model.h5, model.pt.

.env — API Keys, Passwords — ક્યારેય Git માં Push ન કરો!

requirements.txt — ટીમ Share, Same Environment Guarantee.

.gitignore — "Git ને ભૂલાવો"

# Virtual Environment
venv/
.venv/
env/

# Data Files (Large)
data/raw/
data/processed/
*.csv
*.pkl
*.h5

# Secrets
.env
*.key

# Python Cache
__pycache__/
*.pyc

# Jupyter Checkpoints
.ipynb_checkpoints/

# Model Files (Large)
models/
*.pt
*.onnx

Starter Commands — Project ચાલુ કરો

# 1. Folder બનાવો
mkdir my-ai-project && cd my-ai-project

# 2. Virtual Environment
python -m venv venv
source venv/bin/activate        # Mac/Linux
# venv\Scripts\activate         # Windows

# 3. Libraries Install
pip install numpy pandas scikit-learn matplotlib jupyter

# 4. Folders બનાવો
mkdir data notebooks src models tests
mkdir data/raw data/processed

# 5. requirements.txt Save
pip freeze > requirements.txt

# 6. Jupyter ખોલો
jupyter notebook

વ્યવહારુ Example: AI Sentiment Analysis Project

sentiment-project/
├── data/
│   ├── raw/reviews.csv
│   └── processed/clean_reviews.csv
│
├── notebooks/
│   └── 01_explore.ipynb
│
├── src/
│   ├── preprocess.py        # Text Clean
│   ├── model.py             # ML Model
│   └── predict.py           # New Review → Positive/Negative
│
├── requirements.txt
└── README.md

requirements.txt:

pandas==2.2.0
scikit-learn==1.4.0
transformers==4.38.0
torch==2.2.0

Summary: 3 Main Concepts

Concept	ઉદ્દેશ	Tool
Virtual Environment	Project ને Isolated Python	`venv` / `conda`
Package Management	Libraries Install/Manage	`pip`
Project Structure	Organized Folders/Files	Manual / Cookiecutter

નિષ્કર્ષ

AI Project = Code + Data + Environment + Structure — ચારેય સાચાં હોય ત્યારે Project Professional.

✅ venv Activate → pip Install → src/ માં Code → requirements.txt Save → Git Push

આ Workflow Follow કરો — AI Project Messy ક્યારેય ન થાય, ટીમ Member ક્યારેય Confused ન રહે.

"First Setup Right, Then Code Fast!" 🚀

WhatsApp Twitter LinkedIn