升级Python到3.13
Python 3.13. 将为「机器学习」和「地理分析」带来多项新功能和性能增强。
对机器学习的影响
但凡跑过地学深度学习的同学都知道，模块导入和数据处理真的很慢。。。
Python 3.13极大提速，包括：
「性能增强：」Python 3.13 中的优化，如更快的模块导入和垃圾收集，可以大大减少机器学习工作流的运行时间，特别是对于大规模数据处理。 「更快」地导入 type、threading 和 functools 等模块将节省训练模型的启动时间 在「并行」机器学习训练中，使用 posix_spawn（）在子进程中进行进程管理「库更新」：包含在 TensorFlow、PyTorch和scikit-learn等库中，这些库通常是在 Python 之上开发的，以实现更快的实验、更有效的深度学习模型训练支持更大的数据集 （ZIP64）：大数据数据集经常用于机器学习项目。Python 处理 ZIP64 格式文件的能力将有助于处理大于 4GB 的数据集，这将加快模型的训练和评估。
增强的地学功能
更高级的机器学习库现在可以从 Python 的原生优势中受益。增强的类型检查和效率优化可能有助于 Scikit-learn、TensorFlow 和 PyTorch 等工具，使环境更稳定，可以构建复杂模型。
这些修改将提供更高的代码稳定性，并有助于更有效地处理和分析地理空间库（如 GDAL、Shapely 和 GeoPandas）的空间数据。
具体包括：
优化的垃圾回收：通过减少暂停时间，增量垃圾回收器提高了性能，特别是对于地理空间和内存密集型机器学习模型。
更快的导入时间：机器学习和 GIS 管道受益于更快的脚本执行，因为 typing、functions 和 email.utils 等模块的加载时间大大减少。
Tkinter 改进：增强的 Tkinter 小部件技术有助于创建图形用户界面 （GUI），用于可视化地理数据或机器学习结果，包括地图
极大利好地学环境管理
一直以来，一些地学库Cartopy\GDAL\rasterio的安装，由于一些依赖包的问题，非常麻烦。
前不久Cartopy也支持直接pip安装了
现在我们直接用mamba管理环境，相比于 conda，mamba 是用C++重写了 conda 的部分功能，「运行效率显著提高，可以进行并行的下载」
相信不久的将来，Python地学、深度学习的库依赖报错问题会彻底解决。
环境配置
直接怼一个新的python3.13环境
conda create -n pynew python==3.13
安装mamba环境（在base安装即可）
conda install mamba -n base -c conda-forge
总体而言，最新版本中包含重要的优化，例如更快的导入时间、更好的垃圾回收和改进的库功能。这些调整应该会提高性能和效率，从而更轻松地处理复杂的机器学习模型和复杂的数据集。
求求你点个在看吧，这对我真的很重要
