全方位介绍使用 VsCode 配置 miniconda，包含 VsCode 配置 Jupyter，安装 CUDA 和 cuDNN

安装 Miniconda

1. 搜索 https://docs.anaconda.com/free/miniconda/index.html 下载并安装
2. 安装时勾选：
   • Create start menu shortcuts (supported packages only)
   • Add Miniconda3 to my PAlH environment variable
   • Register Miniconda3 as my default Python 3.12
   • Clear the package cache upon completion
3. 以管理员身份打开 Windows PowerShell：
   • 输入 Set-ExecutionPolicy RemoteSigned 并选择 Y
   • 输入 conda init powershell
   • 输入 conda config --set auto_activate_base true

安装 VsCode

1. 搜索 https://code.visualstudio.com/ 下载并安装
2. 安装时勾选：
   • Create a desktop icon
   • Add “Open with Code” action to Windows Explorer file context menu
   • Add “Open with Code” action to Windows Explorer directory context menu
   • Register Code as an editor for supported file types
   • Add to PATH (requires shell restart)
3. 安装插件
   • 插件商店搜索 Office Viewer(Markdown Editor)，一种 Markdown 工具
4. VsCode 快捷键
   • 将当前行向下复制一行：Shift + Alt + ↓
   • 将当前行向上/向下移动：Alt + ↑/↓
   • 删除当前行：Ctrl + X
   • 打开控制台：Ctrl + ~
   • 左右移动窗口：Ctrl + Page Up/Down
   • 改变显示大小：Ctrl + -/+

使用 VsCode 配置 Miniconda

1. 安装插件
   • 搜索 Python，选择 Microsoft 的官方 Python 并下载
     • 下载完后总共有 Python、Pylance、Python、Debugger 这几个插件
   • 搜索 Black Formatter 并下载
     • 配置 “Format on save”
2. 从配置文件中新建环境
   • conda env create -f <env.yml>
   • 参考文件

name: myenv
channels:
  - pytorch
  - nvidia
  - conda-forge
  - defaults
dependencies:
  - pytorch
  - torchvision
  - torchaudio
  - pytorch-cuda=12.1
  - ipykernel
  - numpy
  - pandas
  - matplotlib
  - seaborn
  - scikit-learn
  - tqdm

3. 常用命令
   • 系统命令
     • 更新 conda 版本：conda update conda，conda update --all
     • 列出所有虚拟环境：conda env list
     • 创建新的虚拟环境：conda create -n <env_name> <python=version>
     • 从配置文件创建环境：conda env create -f <env.yml>
     • 激活指定虚拟环境：conda activate <env_name>
     • 退出当前虚拟环境：conda deactivate
     • 删除某个虚拟环境：conda remove -n <env_name> --all
     • 克隆新的虚拟环境：conda create -n <new_env_name> --clone <old_env_name>
   • conda 命令
     • 搜索包：conda search <env_name>
       • 来自于 Anaconda 仓库
     • 安装包：conda install <package_name>
       • 如果包已经存在，则会先删除旧包，再安装新包
     • 卸载包：conda uninstall <package_name>
       • 会删除包的全部依赖
     • 列出包：conda list
   • pip 命令
     • 搜索包：搜索 https://pypi.org/search/ 查找
     • 安装包：pip install <package_name>
       • 如果包已经存在，则会先删除旧包，再安装新包
     • 删除包：pip uninstall <package_name>
       • 只会删除指定包而不会删除其依赖
     • 列出包：pip list

VsCode 配置 Jupyter

1. 安装 Jupyter

   • 在目标虚拟环境中：conda install ipykernel

2. 安装插件

   • 搜索 Jupyter，选择 Microsoft 的官方 Jupyter 并下载
     • 下载完后总共有 jupyter、Jupyter Keymap、Jupyter Notebook Renderers、Jupyter Cell Tags、Jupyter slide Show 这些插件

3. 代码格式化

   • 安装了 Black Formatter 插件后，在 Settings 中搜索 Notebook>Format On Save 并勾选

4. Jupyter 快捷键

   • 从编辑模式切换到命令模式：Esc
   • 从命令模式切换到编辑模式：Enter
   • 执行单元格的代码：Shift + Enter
   • 单元格上下移动：Alt + ↑/↓
   • 在下方新建单元格：a
   • 在上方新建单元格：b
   • 删除单元格：x
   • 复制并粘贴单元格：c + v
   • 切换到 Code 模式：y
   • 切换到 Markdown 模式：m

安装 CUDA 和 cuDNN

1. 判断 CUDA 版本
   • NVIDIA 控制面板 -> 左下角系统信息 -> 组件 -> NVCUDA64.DLL
2. 下载 CUDA
   • 搜索 https://developer.nvidia.com/cuda-toolkit-archive
   • 选择 network 下载，下载完后运行 exe 文件
3. 安装 CUDA
   • 对于 Extraction pat，表示设置解压路径，默认即可，安装完后会自动删除
   • 选择自定义安装，全选即可，注意安装的路径 NVIDIA GPU Computing Toolkit
4. 配置 CUDA
   • 检查环境变量中是否有 CUDA_PATH 和 CUDA_PATH_v12_4，它们的值都是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4
5. 测试 CUDA
   • 在 cmd 中输入 nvcc --version 检测是否安装成功
6. 下载 cuDNN
   • 搜索 https://developer.nvidia.com/rdp/cudnn-archive，选择对应 CUDA 版本下载
7. 配置 cuDNN
   • 将下载完的压缩包解压，并在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4 中复制替换
   • 配置四个 PATH 环境变量
     • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin
     • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\include
     • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\lib
     • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\libnvvp
8. 测试 cuDNN
   • 在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\extras\demo_suite 中打开 cmd
   • 分别输入 bandwidthTest.exe 和 deviceQuery.exe 检测是否安装成功