问题
大多深度学习代码库会“好心”地留下一个requirements.txt文件，里面塞满了大大小小的各种依赖包，美其名曰可复现。但你细究就会发现：python还在用3.7版本，torch还是1.x，版本旧得无法兼容新显卡，远古语法一大堆……
显然，更新依赖是最好的做法，但这事曾经相当麻烦，不过如今在AI时代已不成问题。
更新依赖
第一步，我们首先保留好原虚拟环境（起码留有退路），新建一个新环境，并用个比较新的python版本，例如：
conda create -n newenv python=3.11 conda activate newenv
第二步，把之前的requirements.txt喂给AI，使用如下的提示词：
我会给你一个深度学习项目的requirements.txt，请你找出该项目实际的显式依赖包
随后AI会给出该项目的显式依赖包列表，我们可以检查一下，之后可以把“==x.x.x”这种版本约束给删除，只保留包名，就得到了一个新的requirements.txt。
第三步，在新环境下安装依赖包：
pip install -r requirements.txt
第四步，在vscode或你的IDE中打开类型检查，一般basic就够了，找找有没有函数调用、库调用、参数不存在等问题，解决完后再实际运行下程序，看看有没有警告、是否正常，到此结束！
以前要花一整天的时间，现在只需花半个小时了！