2024版本pycharm中进行pytorch环境配置

创建新的python环境

进入cmd，输入指令：

conda create -n env_name python=3.x

env_name是给这个环境起的名字，python=3.x是该环境的python版本，python版本比目前安装的python版本低即可，并不要求与安装的python版本完全一致。

安装完成后弹出一条指令：

conda activate env_name

输入该指令即可进入已有的python环境。

conda env list

该指令可查看已有的python环境。

conda deactivate

该指令可推出当前python环境。

 python包基本安装方法

安装单个包

安装单个的包，非批量安装，例如安装numpy。

(my_yolo) C:\Users\WINDOWS>pip install numpy

安装的是numpy目前的最高版本，目前是2.2.2，如果要求用numpy的老版本，这种方法就不行了。

 如何知道目前numpy有哪些版本？可以安装哪些版本？

先安装一个很大的版本号，报错后就会提示可安装的版本，在里面找需要的版本安装即可。

(my_yolo) C:\Users\WINDOWS>pip install numpy==1.30.0

安装numpy1.19.1报错了，因为这个包没有现成的文件，程序直接就会去下载代码然后编译，编译的时候很容易出错（电脑上没有编译器；缺少编译时需要的其他依赖）。 遇到这种情况一种方法是去下载需要的编译器和依赖，另一种方法是直接试试别的版本有没有现成的文件。

验证numpy有没有安装成功，能不能被调用。

numpy安装成功。

pytorch工程环境配置

用requirements.txt文件配置环境

首先更新nvidia显卡驱动到最新版本。

查看显卡适配的cuda版本：

nvidia-smi

 利用requirements文件进行配置。

requirements.txt文件中标明需要的包的最低版本，若想要安装特定版本的包，需要把相应的＞改为=。

首先进入文件目录，本次requirements.txt文件放在桌面上。

(my_yolo) C:\Users\WINDOWS>cd Desktop

查看桌面的文件目录。

(my_yolo) C:\Users\WINDOWS\Desktop>dir

利用requirements.txt文件安装各个包，但需要对文件进行一定更改，因为torch和torchvision这两个包几乎是不可能自动安装成功的，因此要在文件中刚给他们两个包前面加#将其屏蔽掉。#后面要加一个空格。

(my_yolo) C:\Users\WINDOWS\Desktop>pip install -r requirements.txt

 requirements.txt文件

# pip install -r requirements.txt

# Base ----------------------------------------
matplotlib==3.2.2
numpy==1.18.5
opencv-python==4.4.0.40
Pillow==7.1.2
PyYAML==5.3.1
requests==2.23.0
scipy==1.4.1
# torch==1.7.0
# torchvision==0.8.1
tqdm==4.41.0

# Logging -------------------------------------
tensorboard==2.4.1
# wandb

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=4.1  # CoreML export
# onnx>=1.9.0  # ONNX export
# onnx-simplifier>=0.3.6  # ONNX simplifier
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TFLite export
# tensorflowjs>=3.9.0  # TF.js export

# Extras --------------------------------------
# albumentations>=1.0.3
# Cython  # for pycocotools https://github.com/cocodataset/cocoapi/issues/172
# pycocotools>=2.0  # COCO mAP
# roboflow
thop  # FLOPs computation

创建一个txt文件命名为 requirements.txt即可。

torch的安装

进入torch官网。

点击Prvious version of Pytorch寻找需要的torch版本。 

conda安装时候我一直报错，安装不上。用pip安装才成功。

本次安装torch1.8.1版本。

cuda版本选择时，指令里的版本要比前文中查得的显卡最高cuda版本低，我的卡是4060ti，cuda12.5，因此选择cuda版本低于12.5的就行。这里选一个高的，cuda11.1。

 

安装完成之后进入python进行验证。

(my_yolo) C:\Users\WINDOWS\Desktop>python
>>> import torch
>>> torch.cuda.is_available()

 pycharm配置解释器

配置conda

在设置中的项目栏下点击python解释器，在右侧进入添加解释器，添加本地解释器。

 在conda环境栏中选择conda可执行文件conda.bat，目录在D:\anaconda3\condabin\conda.bat即anaconda3的安装目录下，不同的安装位置在自己的安装文件夹里找conda.bat即可。之后点击加载环境。

 这里一定是这个conda.bat文件才行，旧版本是python.exe文件，选了没用配置不上。

下面的使用现有环境，点击下拉展开，里面的就是我们创建好的虚拟环境。

配置完成后，右下角就显示当前的环境名称，想换的时候直接换就行。

创建新项目。

环境什么都不选，直接用默认读出来的anaconda3，进去之后右下角会显示anaconda3，但其实这个时候pycharm是没有加载上环境的，软件只是这么显示一下，老版本的话右下角什么都不显示，新版本2024版的才会显示这个。

配置解释器

配置解释器的时候，打开设置，找到项目，点击python解释器，在右侧进入添加解释器，添加本地解释器。这里跟前面流程一样。

在添加本地解释器对话框里选择系统解释器，然后点解释器后面的三个点。

在文件目录中选择anaconda3安装目录下的envs，在里面找到要配置的环境的名字，点开后里面右有个tools文件夹，选择tools文件夹中的python.exe。 

 检验是否配置成功，在python控制台中输入代码：

import torch
torch.cuda.is_available()
True

若返回结果为True，说明torch配置成功。