crpto_predictor/docs/WINDOWS_INSTALL.md

Windows 环境安装指南

本指南帮助您在 Windows 系统上部署加密货币预测系统。

---

一、前置要求

• Windows 10/11 (64位)
• 至少 8GB 内存
• 至少 10GB 可用磁盘空间
• 网络连接（需访问 GitHub、PyPI、Binance API）

---

二、安装 Miniconda

1. 下载 Miniconda

访问 Miniconda 官网 下载 Windows 64-bit 安装包，或直接下载：

https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe

2. 安装

1. 双击运行安装程序
2. 选择 "Just Me" (仅为当前用户安装)
3. 安装路径建议使用默认值或 C:\Miniconda3
4. 重要：勾选 "Add Miniconda3 to my PATH environment variable"
5. 完成安装

3. 验证安装

打开 命令提示符 (CMD) 或 PowerShell：

conda --version
# 应显示类似: conda 24.x.x

---

三、创建 Conda 环境

1. 创建 Python 3.12 环境

conda create -n crypto_pred_312 python=3.12 -y

2. 激活环境

conda activate crypto_pred_312

激活后，命令行前缀应显示 (crypto_pred_312)

---

四、克隆项目

1. 安装 Git (如未安装)

下载并安装 Git for Windows

2. 克隆仓库

cd C:\Projects  # 或您喜欢的目录
git clone http://192.168.50.24:3000/subuhui/crpto_predictor.git
cd crpto_predictor

---

五、安装依赖

1. 安装 PyTorch (CPU 版本)

# CPU 版本 PyTorch（Windows 不使用 GPU）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

2. 安装项目依赖

pip install -r requirements.txt

3. 安装 IBM 时序模型 (TTM-R2)

# PyPI 包名是 granite-tsfm，导入时用 tsfm_public
pip install granite-tsfm

验证安装：

python -c "from tsfm_public.models.tinytimemixer import TinyTimeMixerForPrediction; print('TTM-R2 安装成功')"

---

六、配置环境变量

1. 复制环境变量模板

copy .env.example .env

2. 编辑 .env 文件

使用记事本或 VSCode 编辑 .env 文件：

# MySQL 数据库配置
MYSQL_HOST=your_mysql_host
MYSQL_PORT=3306
MYSQL_USER=your_username
MYSQL_PASSWORD=your_password
MYSQL_DB=crypto_predictor

# Binance API (可选，用于实时数据)
BINANCE_API_KEY=your_api_key
BINANCE_API_SECRET=your_api_secret

# Polymarket 配置 (可选，用于自动交易)
POLYMARKET_PRIVATE_KEY=your_private_key
DRY_RUN=true  # 设为 true 进行模拟交易

# 代理配置 (可选)
USE_PROXY=false
SOCKS5_PROXY=socks5://127.0.0.1:1080

---

七、数据库配置

1. 安装 MySQL

下载并安装 MySQL Community Server

或使用 Docker:

docker run -d --name mysql -p 3306:3306 -e MYSQL_ROOT_PASSWORD=yourpassword mysql:8.0

2. 创建数据库

CREATE DATABASE crypto_predictor CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

3. 初始化表结构

首次运行时会自动创建表，或手动执行：

python -c "from api.models import init_model_predictions_table; from data.trading_db import TradingDatabase; TradingDatabase()"

---

八、验证安装

1. 测试 PyTorch

python -c "import torch; print(f'PyTorch: {torch.__version__}'); print(f'Device: cpu')"

2. 测试模型加载

python -c "from training.config import TrainingConfig; c = TrainingConfig(); print(f'Device: {c.get_device()}')"
# 应输出: Device: cpu

3. 测试数据库连接

python -c "from api.models import get_db_connection; conn = get_db_connection(); print('数据库连接成功!')"

---

九、运行系统

方式一：双击批处理脚本 (推荐)

双击项目根目录的 start_system.bat

方式二：PowerShell 脚本

.\start_system.ps1

方式三：Python 脚本

python start_system.py

方式四：分别启动

# 终端 1: API 服务
python -m uvicorn api.main:app --host 0.0.0.0 --port 8000

# 终端 2: 自动交易
python auto_trade_polymarket.py

---

十、访问系统

• 前端看板: http://localhost:8000
• API 文档: http://localhost:8000/docs

---

常见问题

Q1: conda activate 不生效

在 PowerShell 中需要先初始化 conda：

conda init powershell
# 重启 PowerShell

Q2: pip 安装超时

使用国内镜像：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

Q3: PyTorch 安装失败

确保使用 CPU 版本的安装命令，不要安装 CUDA 版本。

Q4: 数据库连接失败

1. 检查 MySQL 服务是否运行
2. 检查 .env 中的数据库配置
3. 检查防火墙是否允许 3306 端口

Q5: 模型文件缺失

确保 models/checkpoints/ 目录包含预训练模型文件。如缺失，联系管理员获取。

---

目录结构

crpto_predictor/
├── api/                    # API 服务
│   ├── main.py            # FastAPI 入口
│   ├── models.py          # 数据库模型
│   ├── prediction_service.py  # 预测服务
│   └── static/            # 前端静态文件
├── models/                 # 模型定义和权重
│   ├── checkpoints/       # 模型权重文件
│   └── dlinear/           # DLinear 模型
├── data/                   # 数据层
├── training/               # 训练配置
├── start_system.py        # 跨平台启动脚本
├── start_system.bat       # Windows CMD 脚本
├── start_system.ps1       # Windows PowerShell 脚本
├── auto_trade_polymarket.py  # 自动交易程序
├── requirements.txt       # 依赖列表
└── .env                   # 环境变量 (需自行创建)

---

更新项目

git pull origin main
pip install -r requirements.txt

---

如有问题，请联系管理员。