Python安装与配置

1. Pycharm及python安装

pycharm软件安装
参考：https://www.runoob.com/w3cnote/pycharm-windows-install.html

2. Anaconda

2.1 Anaconda简介：
Anaconda是一个方便python包管理和环境管理的软件，一般用于配置不同的项目环境。例如两个项目分别基于python2和python3，而电脑只能安装一个环境，Anaconda便可以解决这个问题，它可以创建多个互不干扰的环境，分别运行不同版本的软件包，以达到兼容的目的。
Anaconda不仅可以方便地安装、更新、卸载工具包，而且安装时能自动安装相应的依赖包，同时还能使用不同的虚拟环境隔离不同要求的项目。Anaconda通过管理工具包、开发环境、Python版本，大大简化了工作流程。Anaconda继承了大量的工具包，且功能十分强大，极力推荐。
2.2 Anaconda安装
参考https://blog.csdn.net/ITLearnHall/article/details/81708148
这里我只做到配置环境变量这一部分，因为安装完Anaconda后会自动创建一个叫base的默认环境，可以不用再创建新的环境。
2.3 Anaconda在pycharm中的配置：
参考https://www.cnblogs.com/hilovexy-blog/p/11096924.html

3. pytorch

3.1 pytorch简介
Pytorch是一个集成了深度学习框架的工具包。它支持GPU计算，计算效率比NumPy更有优势；拥有很多高级功能，包含多种API，可以快速完成深度神经网络模型的搭建和训练。
3.2 pytorch安装（要下载CUDA和CUDNN）
3.2.1 CUDA Toolkit下载安装
首先安装和自己显卡版本对应的CUDA Toolkit。

• 查看自己显卡版本的方法：https://www.jianshu.com/p/d3b9419a0f89

• 下载对应版本的CUDA Toolkit：https://developer.nvidia.com/cuda-toolkit-archive
  

• CUDA Toolkit安装：建议选择自定义安装，然后只勾选cuda。建议安装在默认文件路径。
  
  
  
  3.2.2 安装CuDNN库
  CuDNN库（The NVIDIA CUDA® Deep Neural Network library）是CUDA针对深度神经网络的更新包

• 首先要注册一个NVidia开发者帐号，它是免费的。登录后，您会看到各种CuDNN下载。下载时需要选择和CUDA版本对应的CuDNN。地址：https://developer.nvidia.com/cudnn

• 下载完成后，解压，有bin、include、lib文件夹，将这些文件夹下的文件放在CUDA安装路径下对应的文件夹中。例如：CUDA的路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1，则将解压后的bin文件夹中的cudnn64_7.dll复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin文件夹中，其他类似。
  3.2.3 pytorch安装

• 首先进入官网：https://pytorch.org/如下图
  
  选择要下载的pytorch版本，我的package下载方式中选择Pip方式，在Run this Command中就会生成安装对应版本pytorch的命令。将该命令复制到Anaconda prompt 应用中，就可以实现安装（Anaconda prompt 在安装Anaconda后生成的一个应用，可在电脑中搜索找到）。但这里下载速度很慢。
  

• 加快下载速度的方式
  在命令后加上：（这里使用的是清华的镜像站，-i 意思就是指定单次下载的镜像源）

-i https://pypi.tuna.tsinghua.edu.cn/simple some-package

如果显示 pip3 报错的，请把3去掉改用 pip 命令。
使用以上命令进行安装时可能会由于网络连接中断产生错误，可以多次下载便可成功安装。
一开始安装报错：
多次执行命令后，成功安装。

• 用anaconder 自带的spyder检验是否安装成功。

在spyder中输入以下代码并执行，若可以显示出正确的版本号则证明安装成功（如下图）。

import torch
print(torch.__version__)