# UV: An extremely fast Python package and project manager, written in Rust. ### 👥 **Integrantes:** - 👤 Fabián Pérez - 👤 Redactor: Juan Calderón ### 📑 **Material de apoyo:** - 📊 **Diapositivas:** [Ver presentacion](https://docs.google.com/presentation/d/1yY63mEWyoKvRLZTOe0UWc-egHWwFjCgiZf53Jkf-v-8/edit?usp=sharing) ----- ## Introducción: ¿Por qué deberías cambiar tu flujo de trabajo de Python? Si trabajas con **Python**, sabes que los **entornos virtuales** son la columna vertebral de cualquier proyecto serio. Nos permiten aislar las dependencias y evitar el temido "infierno de dependencias" que surge al trabajar en múltiples proyectos con diferentes requisitos. Tradicionalmente, hemos dependido de `venv` para crear el entorno y de `pip` para instalar los paquetes. Pero, ¿y si te dijera que existe una herramienta **hasta 10 veces más rápida** que puede manejar ambos procesos de forma integrada y moderna? Conoce a **`uv`**, la nueva herramienta de gestión de paquetes y entornos que está revolucionando la comunidad Python. En este tutorial, aprenderás paso a paso a instalar `uv`, crear entornos virtuales y gestionar dependencias de forma relámpago.
----- ## ⚙️ I. Preparación: Instalando `uv` Antes de empezar a volar con la gestión de entornos, necesitamos instalar la herramienta `uv`. ### Requisitos Previos Asegúrate de tener una versión reciente de **Python** instalada en tu sistema. ### 1\. Opción Recomendada: Instalación del Binario (Ultrarrápida) Esta es la forma más rápida y estable de instalar el binario de `uv` directamente en tu sistema: **Para Linux y macOS (usando `curl`):** ```bash $ curl -LsSf https://astral.sh/uv/install.sh | sh ``` **Para Windows (usando PowerShell):** ```bash $ powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" ``` ### 2\. Opción Alternativa: Instalación como Paquete Python Si prefieres instalarlo a través de Python (por ejemplo, dentro de otro entorno virtual o usando `pipx`), también es posible: ```bash $ pip install uv ``` Para verificar que la instalación fue exitosa, ejecuta: ```bash $ uv --version ``` ----- ## 💻 II. Crear el Entorno Virtual: `uv venv` vs. `uv init` `uv` ofrece dos comandos potentes para empezar tu proyecto. Ambos son mucho más rápidos que el método tradicional. ### Opción A: Creación Pura del Entorno con `uv venv` (Reemplazo directo de `python -m venv`) Este comando es ideal si solo quieres la carpeta `.venv/` en un directorio existente: ```bash $ mkdir mi-proyecto-rapido $ cd mi-proyecto-rapido $ uv venv ``` ### Opción B: Inicialización Completa con `uv init` (Recomendado para Nuevos Proyectos) Este comando es más amplio y genera archivos clave para la configuración moderna de Python: ```bash $ mkdir mi-proyecto-nuevo $ cd mi-proyecto-nuevo $ uv init # Esto crea: .venv/, pyproject.toml, .gitignore, y más. ``` ### Activación del Entorno Una vez creado (con cualquiera de los comandos anteriores), debes **activar** el entorno virtual: | Sistema Operativo | Comando de Activación | | :--- | :--- | | **Linux/macOS** | `$ source .venv/bin/activate` | | **Windows (CMD)** | `$ .venv\Scripts\activate` | | **Windows (PowerShell)** | `$ .venv\Scripts\Activate.ps1` | Verás el nombre del entorno (`.venv`) aparecer al inicio de tu línea de comandos, indicando que está activo. ----- ## 📦 III. Instalación de Herramientas de Deep Learning con `uv add` Aquí es donde `uv` brilla, permitiendo instalar librerías complejas como **PyTorch** de manera ultrarrápida. ### 1\. Instalación de NumPy y PyTorch Para ejecutar un proyecto de *Deep Learning*, instalaremos la base (**NumPy**) y el framework (**PyTorch**) junto con librerías de soporte (**torchvision** y **torchaudio**). **a. Instalación de NumPy:** ```bash $ uv add numpy ``` **b. Instalación de PyTorch (con soporte CUDA/GPU para rendimiento):** ```bash # Reemplaza 'cu121' con la versión de CUDA instalada en tu sistema (ej. cu118, cu121, etc.) $ uv add torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 ``` > **Nota:** La URL del índice es crucial para obtener la versión correcta y optimizada para la GPU. ### 2\. Eliminación de Paquetes Para desinstalar un paquete (ej. si decides cambiar de PyTorch a TensorFlow): ```bash $ uv remove torch ``` ----- ## 🛠️ IV. Ejecutando Herramientas Comunes con `uv` `uv` no solo instala paquetes; también puede ejecutar herramientas directamente desde el entorno virtual sin instalarlas globalmente, usando `uv run` o `uvx`. | Herramienta | Propósito | Comando `uv` | | :--- | :--- | :--- | | **Jupyter Notebook** | Entorno interactivo para desarrollo de ciencia de datos. | `$ uv run jupyter notebook` | | **Ruff** | Linter y formateador de código Python de alto rendimiento. | `$ uv run ruff check .` | | **pycowsay** | Una librería de prueba divertida para verificar la ejecución. | `$ uv run pycowsay "hola soy Jorge"` |
Imagen de uv comandos
----- ## ⌨️ V. Más comandos de `uv` Para una gestión completa del entorno virtual, aquí tienes comandos adicionales útiles: | Comando | Propósito | | :--- | :--- | | `$ uv tree` | Muestra el **árbol de dependencias** del proyecto de forma jerárquica. | | `$ uv python list` | Lista todas las **instalaciones de Python** disponibles en tu sistema. | | `$ uv add --dev ruff` | Agrega un paquete (ej. Ruff) específicamente como **dependencia de desarrollo** (no requerida en producción). | | `$ uv run python` | Inicia el intérprete **REPL (shell) de Python** dentro del entorno activo. | | `$ uv sync` | **Sincroniza** el entorno virtual con el archivo de bloqueo (lock file) del proyecto, asegurando que las versiones sean exactas. | | `$ uv self update` | **Actualiza** el ejecutable de `uv` a su última versión. | | `$ uv run --env-file .env app.py` | Ejecuta un script de Python (`app.py`) **cargando variables de entorno** desde un archivo `.env`. | ----- ## 🚪 VI. Desactivación y Conclusión ### Desactivación del Entorno Cuando termines de trabajar, desactiva el entorno escribiendo `deactivate`: ```bash $ deactivate ``` ### Conclusión **`uv`** no es solo una herramienta más rápida; es un paso hacia la modernización de todo el ecosistema de dependencias de Python. Al integrar la creación del entorno (`venv`) con la gestión de paquetes (`pip`), ofrece un flujo de trabajo más limpio, consistente y eficiente. Si valoras tu tiempo y buscas optimizar tus procesos de desarrollo en Python, **`uv` es la herramienta que necesitas implementar hoy mismo.** ----- ## 📚 **Referencias** - [**Instalación** de `uv` e **instrucciones de uso**](https://docs.astral.sh/uv/) - [Comunidad de **discord** de `uv`](https://discord.com/invite/astral-sh) - [Repositorio de **GitHub** de `uv`](https://github.com/astral-sh/uv)