【深度学习环境搭建】——实务操作

本博客适用人群

需要在Pycharm中搭建深度学习环境(Pytorch)的用户，包含换源操作和第三方库下载。

需要的软件

1.Anaconda
2.Pycharm
上述软件的下载安装过程不包含在本博客

Anaconda简介

Anaconda以Python及C语言写成，以图形的PyGTK和文字的python-newt介面写成。可以用来自动安装配置，使用户能够以最小的监督运行。可以看做Python的一个集成安装，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。–百度百科

知识储备

1.在Pycharm中搭建深度学习环境(Pytorch)主要指的是需要搭建一个具有CUDA的虚拟环境。

2.CUDA是英伟达（NVIDIA）开发的一种基于GPU的并行计算平台和编程模型。

正式搭建环境

查看显卡生产商

由知识储备2可知，只有显卡是NVIDIA才支持下载CUDA，但是显卡是其他生产商的uu也不用担心，CUDA也提供了CPU版本的下载。因此在下载CUDA之前我们需要查看本机的显卡生产商。
具体步骤如下：

1. 在搜索框中输入“设备管理器”并打开。

如上图，笔者电脑的显卡为AMD厂商，因此只能安装CPU版的CUDA，若读者的显卡为INVIDIA厂商，右键“属性”查看显卡版本后用作后续选择下载对应的GPU版的CUDA。

下载CUDA

由知识储备1可知，我们的目的是要搭建一个具有CUDA的虚拟环境，因此我们需要先创建一个虚拟环境，再在这个虚拟环境里面安装合适我们的CUDA。
具体步骤如下：
1. 打开“Anaconda Promt（anaconda3）”

2. 在命令行中输入”conda env list“，查看当前存在的虚拟环境

可以看到笔者已经搭建了一个具有CPU版CUDA的虚拟环境，该虚拟环境名为”pytorch-cpu“

3. 创建一个准备用于安装CUDA的虚拟环境。
指令格式为：conda create -n [name] [packages]
 name: 虚拟环境名，如”pytorch-cpu“
 packages: 需要安装的包(第三方库)，如”pandas“等，当然也可以为空，后续需要再在虚拟环境中下载包(第三方库)。

若创建虚拟环境过程缓慢请先进行Anaconda换源操作

如上图所示，笔者创建了一个空的虚拟环境名为”pytorch-cpu2“(可通过”conda env list“再次确认)

4. 将合适本机的CUDA安装到刚刚创建的虚拟环境中。

点击→Pytorch官网，下载对应的CUDA。

选择到了合适的CUDA的后，复制Run this Command中的指令，该指令作用是在当前虚拟环境中下载你所选择的CUDA。因此我们需要先指定下载CUDA的虚拟环境。通过”conda activate [name]“来激活名为”name“的虚拟环境，使以后的命令作用关于该虚拟环境。

将刚才复制的链接粘贴到当前命令行中，开始在当前虚拟环境下载CUDA

出现上面页面时，输入“y”即可下载CUDA，若进程执行完后，有某个包并没有下载成功，直接再次执行在Pytorch中复制的链接即可，Anaconda会自动下载方才没有下载成功的包。

若创建下载过程缓慢请先进行Anaconda换源操作

5. 检查CUDA是否下载成功
如下图，依次输入对应指令

将安有CUDA的虚拟环境加载到Pycharm中

打开“Pycharm”后打开“设置”，点击“添加解释器”

在你的电脑中找到自己新建的虚拟环境目录

在该目录下找到python.exe并选中后点击“确定”，将该环境加载到Pycharm

加载后在编译器中可见torch包已被安装，接下来在编译器中导入torch包不应报错

如果想安装其他包怎么办？

方法1：直接在Pycharm中搜索下载(常用方法)

方法2：在“Anaconda Promt”终端上下载(推荐，学计算机还是得多玩玩命令行) 命令格式：conda install [pack_name]

如我希望下载pandas包则输入"conda install pandas"

安装过程与上面安装CUDA的过程类似。

注：安装完后，Pycharm编译器不会自动更新，需要进行与“将安有CUDA的虚拟环境加载到Pycharm中”同样的操作，手动更新Pycharm中的虚拟环境，只有这样才能试刚刚安装的包可在编译器中使用。