====== venv ======
===== venv란? =====
venv는 Python의 표준 라이브러리 중 하나로, 별도의 패키지나 모듈 환경을 제공하는 가상 환경을 만들기 위해 사용할 수 있다. 즉, 프로젝트마다 다른 버전의 패키지를 사용하고 싶을 때, 이를 격리된 환경에서 관리할 수 있게 도와준다.

 ==== venv의 장점 ====

  * 격리된 환경: 다양한 프로젝트에서 서로 다른 패키지나 Python 버전의 충돌 없이 작업할 수 있다.
  * 버전 관리: 프로젝트별로 필요한 패키지와 그 버전을 쉽게 관리할 수 있다.
  * 의존성 문제 해결: 각 프로젝트의 의존성을 명확하게 알 수 있으므로 배포나 협업 시 문제를 최소화 할 수 있다.

==== venv의 단점 ====

  * 추가적인 공간: 각 가상 환경마다 패키지를 복제하기 때문에 디스크 공간이 추가로 필요하다.
  * 관리: 여러 가상 환경을 사용하면 관리가 복잡해질 수 있다.
==== venv 사용 방법 ====

  * 가상 환경 생성
    * Windows: python -m venv [가상환경명]
    * Linux/Mac: python3 -m venv [가상환경명]
      * 생성할때 python3.12-venv설치되었는지 확인필요함. 필요하면 **python3.12-venv**설치
  * 가상 환경 활성화
    * Windows: [가상환경명]\Scripts\activate
    * Linux/Mac: source [가상환경명]/bin/activate
  * 가상 환경 비활성화
    * 모든 운영체제에서: deactivate
  * 패키지 설치
    * 활성화된 가상 환경에서, pip install [패키지명] 명령어를 사용하여 패키지를 설치한다.
  * requirements.txt를 활용한 패키지 설치
    * requirements.txt 파일 내의 패키지를 한번에 모두 설치할 때는,
    * pip install -r requirements.txt 명령어를 사용하여 패키지를 설치한다.
  * 가상 환경 내 패키지 리스트 확인 및 requirements.txt 만들기
    * 가상환경 내 패키지 리스트 확인: pip freeze
  * 가상환경 내 패키지를 requirements.txt 만들기
    * pip freeze > requirements.txt
  * 가상환경 삭제하기
    * 가상 환경은 결국 폴더 형태로 저장되기 때문에, 해당 폴더를 삭제하면 가상 환경도 함께 삭제된다.

===== 활용 예시 =====

==== 가상 환경 생성 및 활성화 ====
<code bash>
# Windows
python -m venv myenv 
myenv\Scripts\activate

# Linux/Mac 
python3 -m venv myenv 
source myenv/bin/activate
</code>
==== 패키지 설치 및 확인 ====
<code bash>
pip install requests
pip freeze
</code>
==== 가상 환경 종료 ====
<code bash>
deactivate
</code>
==== 추가 Tip ====

==== PowerShell에서 가상 환경 활성화 안될 때 활성화 시키기 ====

<code bash>
# Windows
myenv\Scripts\activate.ps1
보안 오류로 가상 환경 활성화가 안될 때
+ .\Scripts\Activate.ps1
+ ~~~~~~~~~~~~~~~~~~~~~~
    + CategoryInfo          : 보안 오류: (:) [], PSSecurityException
    + FullyQualifiedErrorId : UnauthorizedAccess
위와 같은 문구가 뜨면서 가상환경 진입이 안될 때는 윈도우 실행정책이 막혀 있는 경우이다.

Set-ExecutionPolicy -ExecutionPolicy Unrestricted -Scope LocalMachine
cmd창에 위와 같이 입력하여 정책을 변경하면 가상환경이 활성화 되는 것을 확인 할 수 있다.
</code>
==== 최신 트렌드와 AI 관점 ====

  * Python 3.14 대응: 최신 버전의 파이썬에서도 venv 활용법은 크게 달라지지 않았지만, 새롭게 추가되는 라이브러리나 기능들(예: 빠른 모듈 로딩 최적화 등)을 테스트할 때도 가상 환경을 사용하면 충돌 없이 시도할 수 있다.
  * AI 프로젝트에서의 필요성: 머신러닝/딥러닝 라이브러리는 버전 호환이 까다로운 경우가 많아. TensorFlow, PyTorch, scikit-learn 등 버전 차이로 인해 문제가 생기는 걸 막으려면, 반드시 venv로 가상 환경을 만들어 쓰는 걸 추천한다.