Anaconda+CUDA+Pycharm虚拟环境配置（windows下深度学习环境配置）

开发环境配置

这里记录一下自己在入门深度学习过程中遇到的问题，希望能够对大家有所帮助，一起进步！

一、Anaconda简介

Anaconda是一个用于科学计算的 Python 发行版，支持Linux、Mac、Windows操作系统。包含conda、Python等190多个科学包及其依赖项。它便于获取和管理包，包括python和许多常用软件库（如numpy、pandas等）以及包管理器conda。它使安装比常规python安装容易，并对环境进行统一管理。官网：

为什么我们要用anaconda？

​ 好问题，刚开始入门的时候不明白这个软件是干什么用的，存在许多疑惑。其实说白了，我们用这个软件，主要是看重了它能创建一个单独的、互不影响的虚拟空间，以便我们在不同的虚拟空间执行不同的工作。除此之外，它有以下优点：

1、安装好anaconda之后，直接就有了一个python环境，所以不必在单独从python官网安装python（如果你的电脑上已经安装有python了，建议卸载之后再安装anaconda，以免两者冲突产生一些难以预料的问题）

2、具有包管理器conda以及其他一些常用库。我们可以使用命令：conda install {包名} 来安装所需要的包。通俗理解上，可以将conda/pip理解为一个应用商店，可以通过该应用商店下载所需的包。

3、虚拟环境。平时科研学习中做的不同项目要求的环境可能不一样，比如某一个工程Project_1所需的环境为：pytorch1.10版本，python3.8版本；而同时我可能又在做另外一个项目Project_2，所需的环境为：pytorch1.4版本，python3.6版本。所以不同工程所需环境不同，我们无法让电脑同时拥有这两种环境（当然，也可以先配置一个，然后做另外一个项目的时候再把电脑上的卸载了重新配置，不过这样非常麻烦，效率也很低，非常不建议），所以我们就需要anaconda。anaconda能够为每一个项目创建一个独特的虚拟环境，各个环境之间互不影响。举个例子，anaconda就像每一个工程安排进不同的房间，每个房间都可根据需要进行配置，且互不影响。

二、判断是否有NVIDIA（英伟达显卡）

任务管理器中查看即可，看到左上角有英伟达显卡GTX 1660 Ti

三、下载安装Anaconda

注意：不用单独下载pythonIDE

官网上下载官网最新版：Download Now | Anaconda

也可下载官网历史版本：Index of / (anaconda.com)

也可下载国内清华镜像源安装包：Index of /anaconda/miniconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

安装路径最好全英文，初学者建议默认安装格式和路径，以免后续出现问题。安装时建议勾选下列选项，其他默认即可。

对于长期学习深度学习的同学来说，最好自定义安装路径，以免后期数据量大了之后占满C盘。
这里我选择的安装路径为：D:\SoftWare\Anaconda

如何确认anaconda是否安装好？

打开电脑开始界面，看到有如下几个选项就证明安装好了。

同时打开Anaconda Prompt也可看到如下界面：

环境变量设置

计算机（右键）→属性→高级系统设置→（点击）环境变量

点击环境变量——选中下方系统变量中的Path选项——再点编辑

往下方中新建路径如下（一共五条），这里要注意的是，每个人安装的路径不同，需要根据自己的安装路径来修改。只需要将后面的

只需要根据自己的路径把后面的几项加入就行，这里我的是这样。

修改完之后记得点确定保存，一路确定就好了。

四、利用Anaconda创建虚拟环境

在anaconda终端base环境中输入：（** 注意：这里创建的虚拟环境会默认在C盘，非常不建议这样创建。下面会介绍另外一种创建方法 **）

conda create -n {环境名} python=3.8

此处我创建的环境名称为==pytorchweiyang==：

conda create -n pytorchweiyang python=3.8

这样就可以创建好虚拟环境了。创建好之后可会看到提示：

conda activate pytorchweiyang     #可以输入该命令进入pytorchweiyang虚拟环境

conda deactivate				  #输入该指令退出pytorchweiyang虚拟环境		

看到这个提示这里呢就证明虚拟环境创建好了。

除此之外，有些电脑下载可能非常缓慢，此时可以添加镜像加速：

conda creat -n {虚拟环境名字} {python版本} -c {镜像地址}

常用的清华镜像源地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

另外一种创建到指定路径的方法：
利用命令：

conda create --prefix D:\SoftWare\Anaconda\envs\pytorchweiyang python=3.8 

这里我将虚拟环境创建在这个路径下的envs里面，我的虚拟环境名字叫做pytorchweiyang，避免默认创建在C盘中，后续操作相同。

---

固定添加镜像源

由于这样每次创建环境时都需要手动在后面添加镜像源，比较麻烦。因为Anaconda的下载源默认在国外，如果不配置我们国内源的话，下载速度会慢到你怀疑人生的。而且很多时候会导致网络错误而下载失败。此时我们也可以添加镜像源到下载默认选项：

国内常用镜像源

清华大学(推荐) https://pypi.tuna.tsinghua.edu.cn/simple

阿里云 http://mirrors.aliyun.com/pypi/simple

豆瓣 http://pypi.douban.com/simple/

打开Anaconda Prompt，执行以下命令，将清华镜像配置持久添加到Anaconda中：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/noarch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/noarch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/noarch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/noarch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/noarch

然后我们输入conda info命令查看当前的channel，查看是否配置成功：

删除刚才配置的通道：

conda config –remove channels {通道地址}

---

删除虚拟环境

使用以下命令，可以删除指定环境（谨慎操作）

conda remove -n 环境名 --all   

使用以下命令，可以删除当前环境的包

conda remove 包名称

使用以下命令，卸载指定环境中的包

conda remove -n 环境名 包名称

五、GPU与CUDA准备工作

5.1 首先确定自己显卡的算力

wiki上关于CUDA的介绍（显卡算力查询）_cuda wiki-CSDN博客

5.2 确定自己的可选择CUDA Runtime Version版本

根据算力范围找出可选择的版本：

找出支持自己显卡对应的Compuer capability(version)的CUDA版本，比如我的显卡是GTX1660Ti，Compuer capability(version)为7.5，支持我的CUDA有下面两个：CUDA SDK10.0-10.2；CUDA SDK11.0

5.3 确保自己的CUD Driver版本 >=CUDA Runtime 版本

在anaconda终端base环境中输入下列命令查看CUDA Driver Version版本：

nvidia-smi

CUDA Version为11.6，大于前面的runtime版本。但是我想安装最新版的CUDA，所以这里我选择先从官网安装显卡驱动最新版本，进入网址下载 NVIDIA 官方驱动 | NVIDIA

输入自己显卡的型号参数，下载相应驱动即可（笔记本电脑选择后面带有notebooks的选项）

现在在终端中重新输入就会看到CUDA Version的版本变高了。

nvidia-smi

5.4、打开pytorch官网，确定CUDA Runtime版本

打开pytorch官网：Start Locally | PyTorch

根据自己电脑选择下列选项：

这里我选择CUDA12.4版本，尽量安装最新的，只需要保证这个版本比终端中显示的版本小即可。（算力方面，一般新版本都是支持的）

六、 安装Pytorch和CUDA

注意：首先进入pytorchweiyang虚拟环境，在虚拟环境中安装pytorch和对应的cuda

在pytorch官网上复制对应版本的命令，在虚拟环境中运行，则开始下载安装。如下所示

复制上面框中的命令，在虚拟环境中运行：

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

这里也可以换源安装，速度更快一些。但是不建议，因为换源后有些东西可能会安装失败。

七、 验证pytorch和CUDA是否安装成功

1、激活对于虚拟环境

2、输入conda list ，看看有没有pytorch或者torch

3、在终端中输入以下命令

python
import torch
torch.cuda.is_available()

如果显示True，就说明pytorch安装成功了。

八、pycharm安装与环境配置

pycharm的安装直接从官网上下载安装即可，安装路径自选。这里主要说以下pycharm的环境配置

1、打开pycharm创建一个工程first_demo

2、在左上角file——》settings——》Project：first_demo——》python Interpreter中选择虚拟环境pytorchweiyang

3、如果找不到创建的虚拟环境，则点击旁边的Add Local interpreter中选择自己的虚拟环境，

路径选择参考：“D:\SoftWare\Anaconda\envs\pytorchweiyang\python.exe”

多试一下很容易就熟悉了。

---

配置好环境之后就可以开启我们的学习之旅了。

这里还有疑问的小伙伴，推荐去看小土堆的视频讲解，我愿称之为宇宙最强，对新手非常友好。

最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置 CPU GPU 版 | 土堆教程_哔哩哔哩_bilibili

祝愿大家能够学有所成，大家一起努力，共同成长。