从零开始搭建pytorch深度学习环境

本文介绍了如何在一个崭新的windows电脑上应用一个深度学习模型，并简述了环境搭建过程中各部分所起到的作用和关系。

如果你也是想要在自己的电脑上动手炼丹，或者学习深度学习代码，本文能有效帮助你配置环境。

为电脑安装python

官网:Python Release Python 3.12.5 | Python.org

下载Installer，然后直接按照需求安装即可。勾选install to path直接配置环境很方便。

为电脑安装python之后，你的任何集成支持python的编译环境都可以调用它，你也可以通过命令行等其他方式调用它。

对于学习来说只为你的电脑安装一次最新版的python就足够了。但是考虑到以后使用各个版本的情况，可以用anaconda进行管理。

安装成功之后输入python以查验版本，我安装的是3.12.5

参考：Python+PyCharm的安装步骤及PyCharm的使用（含快捷键）_python pycharm-CSDN博客

安装pip以管理python包

pip组件是一个现代通用的Python包管理工具，其提供了对Python包的查找、下载、安装及卸载等功能。

官网：pip · PyPI

值得一提的是，python3.12.5已经包含pip了。

安装Anaconda

Anaconda3，中文大蟒蛇，其包含了conda、Python等180多个科学包及其依赖项。Anaconda可以看做Python的一个集成安装，它不仅免去了许多复杂的环境搭建，还内置了许多使用的Python工具，安装它后就默认安装了python、IPython、集成开发环境Spyder和众多的包和模块。

官网下载地址：Download Anaconda Distribution | Anaconda

为电脑安装pycharm

编写程序和运行代码需要一个趁手的编译器，pycharm专注于python，并且能够使用anaconda创建的虚拟环境，能方便地使用不同的框架。

官网：Download PyCharm: The Python IDE for data science and web development by JetBrains

使用anaconda创建、切换、管理python环境

主要的管理工具是Anaconda prompt(即conda命令行)

参考：anaconda的安装和使用（管理python环境看这一篇就够了）-CSDN博客第三部分

下面是在Anaconda prompt中添加清华源的命令

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

可以通过Anaconda navigator创建和查看环境

在pycharm中使用anaconda

参考：anaconda的安装和使用（管理python环境看这一篇就够了）-CSDN博客第四部分

24版本python中文版界面较之前略有不同。

但只需明确在anaconda中创建虚拟环境，然后再pycharm的设置选中现有虚拟环境中的python.exe即可。

添加好之后就能看见当前虚拟环境的信息，可以看到此处显示结果和我们上面在anaconda中显示是一致的。

安装CUDA

CUDA通过CPU任务分发和GPU并行处理提升计算效率，尤其在大规模并行计算如人工智能和深度学习中发挥关键作用。它利用GPU的强大计算能力、并行计算、灵活的编程模型和工具库，如cuDNN和TensorFlow，推动了AI领域的进步。

参考：一看就懂的 CUDA安装教程及Pytorch GPU版本安装教程-CSDN博客

这里建议下载本地版（网络版在安装过程中下载更慢），而且现在的CUDNN可以下载后一键安装了，不需要拷贝文件操作。

配置一个含pytorch的虚拟环境

在此之间我们已经能够创建python的虚拟环境了，接下来我们创建一个包含pytorch的虚拟环境

参考： 利用Anaconda和Pycharm配置pytorch环境-CSDN博客

与参考博客中不同的是，我们使用prompt进行环境管理，切换环境的指令为

conda activate "environment name"

退出当前环境指令为

conda deactivate

在PyTorch官网中可以很方便地获取下载命令

复制之后再anaconda prompt中执行，就能在anaconda中创建pytorch的虚拟环境了。

在这里我为base环境配置了完整的pytorch。

可以见到anaconda可以为我们下载python和cuda，也就是说前面我们其实可以不用手动下载二者，而且使用anaconda创建虚拟环境可以替代pip，不过作为一种学习的途径，我还是保留了单独安装python、cuda、pip的方法，作为记录。