"# MAA MVP"
### 快速开始
本项目提供最小可复现链路：PyTorch 使用 GPU（RTX 4060），JAX 先走 CPU。建议在 Windows 的 Anaconda Prompt 中执行。
### 1. 创建与激活环境
conda create -n maa-mvp python=3.11 -y
conda activate maa-mvp
### 2. 安装依赖
- PyTorch（CUDA 12.x 轮子，已自带运行时）
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124
- JAX（CPU 版）
pip install jax==0.8.1 jaxlib==0.8.1
- 科学计算与优化
pip install numpy scipy pandas matplotlib optax jaxopt flax
- Ladybug / Honeybee（昼光与能耗工作流的 Python 包）
pip install ladybug-core honeybee-core honeybee-radiance honeybee-energy
### 3. 自检（GPU 与后端）
- PyTorch（应为 True 且显示 4060 名称）
python -c "import torch; print('Torch CUDA:', \[torch.cuda.is](http://torch.cuda.is)\_available(), torch.version.cuda); print(torch.cuda.get\_device\_name(0) if \[torch.cuda.is](http://torch.cuda.is)\_available() else 'No CUDA')"
- JAX（当前走 CPU 合理）
python -c "import jax; print('JAX backend:', jax.default\_backend()); print(jax.devices())"
### 4. 目录结构（最小骨架）
maa-mvp/
├─ src/
├─ notebooks/
├─ configs/
├─ data/
│ └─ sample/
├─ scripts/
│ ├─ check\_\[torch.py](http://torch.py)
│ └─ check\_\[jax.py](http://jax.py)
├─ reports/
├─ .gitignore
└─ \[README.md](http://README.md)
示例脚本：
- scripts/check_[torch.py](http://torch.py)
import torch
print("Torch CUDA:", \[torch.cuda.is](http://torch.cuda.is)\_available(), torch.version.cuda)
if \[torch.cuda.is](http://torch.cuda.is)\_available():
print(torch.cuda.get\_device\_name(0))- scripts/check_[jax.py](http://jax.py)
import jax
print("JAX backend:", jax.default\_backend())
print(jax.devices())运行：
python scripts\\check\_\[torch.py](http://torch.py)
python scripts\\check\_\[jax.py](http://jax.py)
### 5. 版本固定与重建环境
- 导出当前环境
conda env export --no-builds > environment.yml
- 在新机器重建
conda env create -f environment.yml
conda activate maa-mvp
### 6. Git 初始化与提交（本地）
git init
git add .
git commit -m "init: mvp skeleton + checks"
可选：
- 打标签
git tag -a v0.1.0 -m "MVP skeleton ready"
git push origin v0.1.0
备注
- Radiance 与 EnergyPlus 主要使用 CPU，请按官方安装包单独安装并将可执行加入 PATH。
- 如需 JAX 使用 GPU，建议在 WSL2 + Ubuntu 环境安装对应的 manylinux CUDA 轮子后再切换。