Pytorch环境搭建(1)

conda deactivate

b) 修改其自启动参数

conda config --set auto_activate_base false

2.创建虚拟环境 DLing,添加镜像源，速度拉满, 安装 numpy mkl cffi

1).

有序的管理环境

这里需要大家查一下自己的python版本，win+R进入cmd，输入python即可获得对应版本信息。（没有配置python环境path则不能查询）

我的版本是3.9，所以下面也也安装3.9版本的，pytorch 是后边建立里的命名

如果不清楚自己的python版本，win+R，打开cmd控制台，输入python就可以看到自己的版本信息。

conda create -n pytorch python=3.9

conda create -n DLing python=3.6

之后，弹出提示，输入 y，即可安装。

安装成功后，输入以下指令：

conda info --envs

即可看到 conda 环境中，有新建的 pytorch 环境（你可以取别的名字，你取啥叫啥），右边的 * 号表示，当前你处于哪个环境。

接下来，我们要在 pytorch 环境中，安装 PyTorch，使用如下指令，进入 pytorch 环境（你取的啥名字后边activate啥）。

conda activate pytorch

你可以看到左边的 base 变成了 pytorch，代表成功进入 pytorch 环境。

2).更换清华源

不用下列代码直接更改用户的家目录.condarc文件

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

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

channels:

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

• defaults

show_channel_urls: true

channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda

default_channels:

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

custom_channels:

conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

3).

conda install numpy mkl cffi

3. 安装 pytorch，进入 https://pytorch.org/官网 ，选择合适版本下载，本次选用 anaconda 中 python==3.6，选择下示程序，下载 torch 包。

不使用这个

conda install pytorch1.7.1 torchvision0.8.2 torchaudio==0.7.2 cpuonly

进入官网点击 install，即可进入下示页面，根据自己电脑的配置选择，最后将最后一行复制到 Anaconda Prompt 界面中。

注意：如何判断自己电脑是否有 GPU：控制面板—>硬件和声音—>NVIDIA 控制面板—>帮助—>系统信息—>组件—>NVCUDA.DLL 的产品名称中即看到 GPU 版本，下载的 CUDA 版本必须与之对应。

但是这里有个坑，参考博客。其中，-c pytorch参数指定了conda获取pytorch的channel,在此指定为conda自带的pytorch仓库。因此，只需要将-c pytorch语句去掉，就可以使用清华镜像源快速安装pytorch了。

复制下面的代码，之后，在开始菜单中，打开 Anaconda Prompt，查看最左边括号中是base 还是 pytorch。如果是 [base]，使用 conda activate pytorch 进入 pytorch 环境中。之后粘贴即可。

conda install pytorch torchvision cpuonly

根据提示输入y

验证是否安装成功

（1）在命令行左边为 pytorch 环境中，输入 python

（2）之后，输入 import torch，如果没有报错，意味着 PyTorch 已经顺利安装了

（3）接下来，输入 torch.cuda.is_available，如果是 True，意味着你可以使用 GPU。

4.安装并进入jupyter notebook，创建一个 python 文件，输入 import torch，若无错运行即完成 Jupyter notebook 的环境搭建。

conda install jupyter notebook

jupyter notebook

参考博客

三、Pycharm 在虚拟环境下运行

---

1.下载安装PyCharm

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数前端工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Web前端开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注前端）

最后

面试一面会问很多基础问题，而这些基础问题基本上在网上搜索，面试题都会很多很多。最好把准备一下常见的面试问题，毕竟面试也相当与一次考试，所以找工作面试的准备千万别偷懒。面试就跟考试一样的，时间长了不复习，现场表现肯定不会太好。表现的不好面试官不可能说，我猜他没发挥好，我录用他吧。

96道前端面试题：

• 

常用算法面试题：

• 

前端基础面试题：
内容主要包括HTML，CSS，JavaScript，浏览器，性能优化

• 

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

图片转存中…(img-AAgFjwJG-1712861624620)]

常用算法面试题：

• [外链图片转存中…(img-kban0Ewj-1712861624620)]

前端基础面试题：
内容主要包括HTML，CSS，JavaScript，浏览器，性能优化

• [外链图片转存中…(img-E80W9h0F-1712861624620)]

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-akMy51Sy-1712861624620)]