关于Anaconda、PyTorch（GPU版）库与PyCharm的安装（自用）

最新推荐文章于 2024-06-05 22:44:21 发布

热情的大周

最新推荐文章于 2024-06-05 22:44:21 发布

阅读量146

点赞数

文章标签： pytorch pycharm 人工智能

本文链接：https://blog.csdn.net/2301_79943129/article/details/133245783

版权

前言：本次讲述方法限于电脑没有安装过Anaconda、PyTorch以及显卡需要是NVIDIA。若已安装建议格式化电脑重新安装。

一、安装Anaconda

（1）进入该网址https://mirrors.bfsu.edu.cn/anaconda/archive/，，按ctrl+f进行搜索2022.10-Win，点击下载

（2）安装Anaconda

首先在d盘中新建一个文件夹命名为Anaconda，然后将下载的文件安装在该文件夹中。

打开下载的安装包，然后进行如下操作

（3）配置环境变量

右击电脑屏幕点击显示设置

再搜索栏搜索“环境变量”然后点击“编辑系统环境变量 ”

然后进行如下操作：

在下面的系统变量中点击Path

、

进去之后点击新建依次复制或输入添加【D:\Anaconda】、

【 D:\Anaconda\Scripts 】与【 D:\Anaconda\Library\bin 】

每次添加一个再点击一下新建添加下一个。

最后点击“确定”即可添加完成。

（3）调出桌面快捷方式。（针对win11系统）

按如下操作搜索Jupyter

点击搜索到的然后点击“打开文件位置”

然后将如下两个Anaconda和Jupyter，分别右击选中发送到桌面快捷方式，操作如下：

二、安装PyTorch库

（1）创建虚拟环境

点击桌面上的，输入命令conda create -n DL python=3.9 回车运行代码

待加载完成后输入命令“y”进行安装

下载完成如图

可以激活查看一下DL下的虚拟环境，输入命令conda activate DL进入DL下的虚拟环境然后输入命令conda list列出所有环境

在该虚拟环境中安装NumPy库，输入命令pip install numpy==1.21.5 -i https://pypi.tuna.tsinghua.edu.cn/simple （在该过程中需要网络通畅）

安装成功后效果

安装pandas库，输入命令pip install Pandas==1.2.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装成功后效果

安装matplotlib库，输入命令pip install Matplotlib==3.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装成功后效果图

最后查看当前环境下的所有库，检查是否安装完成，输入命令pip show numpy

退出DL下的虚拟环境输入命令conda deactivate 回车运行即

（2）检查是否需要下载CUA

打开任务管理器，进行如下操作，若GPU1是NVIDIA显卡则无需下载CUDA,否则参照（3）进行CUDA下载

另一种检测方式：Win+R输入cmd，然后输入命令nvcc -V，如果显示“nvcc -V 不是内部或外部命令”，则说明需要安装 CUDA

（3）安装CUDA

在进行安装CUDA前先进N卡驱动的更新否则后面会报错，调出NVIDIA

调出后需要用邮箱注册账号，检查驱动的版本可更新到我这个版本即可完成一系列操作

如若需要更新不推荐在该界面下载安装，极易报错，可在其官网下载该版本的驱动然后安装即可，操作如下

驱动程序官网：

NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

进入官网点击手动搜索驱动程序，按如下选项进行搜索，找到上面版本的驱动安装即可，安装到默认的c盘

完成以上操作可进行CUDA的安装，下载链接https://developer.nvidia.com/cuda-toolkit-archive，找到对应版本的CUDA

点击进去后完成如下操作

现在D盘中新建一个D:\CUDA\tem ,把该文件下载到该文件夹中，点击安装依次完成如下操作

这个文件大约7个g要事先检查c盘空间够不够

完成安装后要进行配置环境变量

重复“一、”“（3）”中的操作新建如下的环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp

配置完成后效果图

最后，可以检查一下 CUDA 版本，Win+R 后输入 cmd，然后输入命令nvcc -V，参考效果图

（4）安装pytorch

下载链接https://download.pytorch.org/whl/cu113，进入后搜索pip install torch==1.12.0，分别点击进入 torch、torchvision、torchaudio

进入之后分别搜索torch-1.12.0+cu113、torchvision-0.13.0+cu113、torchaudio-0.12.0点击下载如图的whl文件。（下载到提前建好的D:\whl 文件夹中）

下载完成如图

打开，调出DL下的虚拟环境然后分别安装pip install D:\whl\torch-1.12.0+cu113-cp39-cp39-win_amd64.whl
pip install D:\whl\torchvision-0.13.0+cu113-cp39-cp39-win_amd64.whl
pip install D:\whl\torchaudio-0.12.0+cu113-cp39-cp39-win_amd64.whl

（5）检查CUDA是否可用

打开进入到DL的虚拟环境下，输入 python 以进入解释器

输入 import torch 导入 torch 库，在下一行出现“>>>”，输入 torch.cuda.is_available()，出现ture则CUDA可用

三、Jupyter 代码编辑器

进行该操作时候计算机用户名（即 C:\Users\用户名）应为英语或者数字，有汉字的直接跳过安装使用pycharm。

在d盘中新建文件夹D:\Jupyter，在桌面打开，输入 jupyter notebook --generate-config 命令并执行。

然后打开刚刚新建的文件夹，D:\Jupyter找到jupyter_notebook_config.py并用记事本方式打开，

中使用 Ctrl + F 查找

并且修改如下配置项：

修改前： # c.NotebookApp.notebook_dir = ''

修改后： c.NotebookApp.notebook_dir = 'D:\Jupyter'

然后打开桌面的

，右键分别点击-属性-快捷方式-目标，删除目标里的“%USERPROFILE%/”，后面会有个空格记得删除

初始字体可以进行修改，操作如下
打开如下地址
D:\Anaconda\Lib\site-packages\notebook\static\components\codemirror\lib
打开 codemirror.css 文件，或为第一个9kb的文件；
Ctrl+F，搜索“font-family: monospace;”的文字，并将其改为font-family: 'Fira Code Light','Consolas';

为让虚拟环境与 Jupyter 相连，打开