python编程需要的电脑配置,python编程用什么电脑好

大家好，本文将围绕python编程对笔记本电脑配置的要求展开说明，python编程对电脑配置的要求是一个很多人都想弄明白的事情，想搞清楚python编程对电脑要求高吗需要先了解以下几个事情。

文章目录

• 新的windows电脑搭建pytorch深度学习环境
• • 电脑环境的配置
  • • 显卡驱动
    • cuda
    • cudnn
  • pytorch开发软件的安装
  • • miniconda
    • vscode
  • pytorch环境的安装
  • • conda安装python环境
    • 安装pytorch和torchvision
  • 附录1：部分torch、torchvision、torchaudio版本对应关系
  • 附录2：本文涉及的软件的网盘链接

新的windows电脑搭建pytorch深度学习环境

最近新买了一台台式机，配置是i5 13600KF + 3060Ti。我本身在工作中台式机上是使用pytorch上进行深度学习，因此需要从头搭建pytorch环境python的turtle画老虎。此文算是记录一下，如果有人需要参考也是可以的。

电脑环境的配置

新电脑首先需要对环境进行一定的配置，简而言之就是装一下驱动+软件。
包括显卡驱动、CUDA、cudnn。以下是具体流程。

显卡驱动

一般显卡组装完成电脑是会自动安装驱动的，打开命令行敲nvidia-smi

就可以看到显卡驱动以及对应的版本。如下图，我装好的驱动是535.98，可以支持到的CUDA版本是12.2，因此我安装的CUDA只需要在12.2以下就可以了。

如果想要安装其他版本的驱动可以去英伟达驱动官网去下载。

https://www.nvidia.cn/geforce/drivers/

打开后是如下界面，根据自己显卡的型号就可以选择相应的驱动了。

下面是搜索结果，包括应用于Game或者Studio的驱动，可以是对游戏或者视频剪辑啥的有特殊优化？这个我不太了解，我选择的是Studio的驱动。点进去下载就行了。

cuda

cuda安装是为了深度学习的GPU加速运算平台。cuda版本的安装需要根据上面显卡驱动来安装。可以到下面英伟达官网去下载

https://developer.nvidia.com/cuda-toolkit-archive

界面如下，选择<=显卡驱动支持的版本就可以啦，我选择的是11.7，不会太新也不会太老。

安装后可以使用相应的cmd指令测试一下，cmd输入nvcc -V ，最后一行显示11.7版本说明安装成功啦。

cudnn

cudnn是针对深度神经网络库，和cuda配套使用，以下是具体下来的地址，需要注意的是cudnn是需要注册账号登入使用的。

https://developer.nvidia.com/rdp/cudnn-archive

打开后可以看到如下界面，选择和cuda匹配的版本就行了，比如我的cuda是11.7，那么cudnn可以选择8.7，8.8.等等，我选择是是8.7

cudnn是个压缩包，解压后直接扔进cuda安装位置就可以了。

安装后测试cudnn，可以进行测试，其实也可以不必测试，因为基本没啥问题，如果要测试的话就使用cmd命令行打开运行下面路径中的两个测试程序

一般结果都是Result = PASS

pytorch开发软件的安装

首先需要安装一些基本的开发软件 miniconda、(pycharm或vscode），我习惯使用vscode，就写vscode了。

miniconda

为什么是miniconda而不是anaconda ？因为anaconda太大了啊！一个几十M，一个几百M，普通用户用miniconda就够用了！
以下是具体的下载地址

https://docs.conda.io/en/latest/miniconda.html

安装过程很基本，不需要讲。
安装过后，cmd命令行测试一下。一般是会显示没有该命令，这个时候就在电脑中加入conda的Scripts路径就行了。

重新打开cmd输入conda，应该是如下提示。

vscode

一般是到官网去下载，如下面的链接

https://code.visualstudio.com/

但是一般会下载的很慢很慢，因此可以做一些操作，复制下载地址，然后换成国内镜像服务加速。

https://az764295.vo.msecnd.net/stable/695af097c7bd098fbf017ce3ac85e09bbc5dda06/VSCodeUserSetup-x64-1.79.2.exe

将下载地址中的 az764295.vo.msecnd.net 更换为 vscode.cdn.azure.cn 使用国内的镜像服务器加速。国内下载地址如下。

https://vscode.cdn.azure.cn/stable/695af097c7bd098fbf017ce3ac85e09bbc5dda06/VSCodeUserSetup-x64-1.79.2.exe

pytorch环境的安装

conda安装python环境

1.一般要先配置清华源，因为下载比较快，可以用如下代码

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

2.创建python环境
创建名为yrqcv，python=3.9的环境

conda create -n yrqcv python=3.9

创建之后可以激活试试，由base转为yrqcv说明没问题

安装pytorch和torchvision

方法1是进入官网直接安装提供的命令行安装，官网入口

https://pytorch.org/

但是我不习惯使用这样的方式，因为有些cuda版本他可能会跳过，演示不到，而且他会多装torchaudio，这个我不需要使用到
我还是想保存在本地直接安装，后面也方便移植。

方法2:离线安装（我本人使用）

进入以下网站，搜索你显卡的cuda版本直接下载whl文件

https://download.pytorch.org/whl/torch/ 

这个界面就十分清楚明白，你cuda版本适用的torch版本一目了然。我安装的是torch-1.13.0+cu117-cp39-cp39-win_amd64.whl

进入下面界面安装torchvision的whl文件，一般torch文件和torchvision需要对应,我选择是的torchvision-0.14.0+cu117-cp39-cp39-win_amd64.whl

https://download.pytorch.org/whl/torchvision/

下载完之后直接激活conda环境，pip install xx.whl 就可以安装啦。

装好之后验证一下，确认gpu是否可以用。

确认安装成功.

附录1：部分torch、torchvision、torchaudio版本对应关系

torch	torchvision	torchaudio
1.9.0	0.10.0	0.9.0
1.9.1	0.10.1	0.9.1
1.10.0	0.11.0	0.10.0
1.10.1	0.11.2	0.10.1
1.11.0	0.12.0	0.11.0
1.12.0	0.13.0	0.12.0
1.12.1	0.13.1	0.12.1
1.13.0	0.14.0	0.13.0
1.13.1	0.14.1	0.13.1
2.0.0	0.15.0	2.0.0
2.0.0	0.15.1	2.0.1

附录2：本文涉及的软件的网盘链接

包括miniconda，vscode，nvidia驱动，cuda，cudnn，pytorch，torchvision
电脑配置跟我相近的可以无脑下载。

链接：https://pan.baidu.com/s/1wAqUFDUYDQ8z3QQTa-oHBA 提取码：wigc

有用就点个赞呗！