PYTHON环境搭建|搭建机器学习的Python、PyCharm和PyTorch环境

前言

---

现在在各大开源平台都有许多开源的机器学习项目，比如LLM等，他们大多数都使用了开源的PyTorch机器学习库。所以，想要自己实践这些项目，就必须在计算机上搭建PyTorch环境，但是现在很多教程都是建立在额外配置一个虚拟化Python环境的Anaconda基础上的，操作难度较大，不适合业余玩家。这个教程，就将用一种更加简单的方式，搭建PyTorch环境。
注意：在开始之前，请确保你的电脑上没有安装多个版本的Python程序，否则会出现引用异常。如果需要安装多版本的Python，就应当使用虚拟化环境管理器Anaconda搭建

第一步 | 配置基础的安装环境

---

PyTorch的运行需要基于NVIDIA开发的GPU驱动CUDA，一款为机器学习开发的系统驱动。

首先你需要检查你的计算机配置：

• 使用了英伟达的GPU
• 使用的英伟达GPU支持安装CUDA驱动

检查计算机支持的最高CUDA版本

在安装了英伟达GPU的计算机上，打开命令提示符，输入下面的指令，查询此GPU是否支持CUDA，以及所支持的CUDA的最高版本。

nvidia-smi

寻找适合的CUDA驱动程序

确认了最高版本以后，就需要安装不高于这个最高版本CUDA驱动了。首先需要访问NVIDIA的CUDA驱动下载页面（https://developer.nvidia.com/cuda-toolkit-archive）寻找不高于你的CUDA版本的驱动程序。

点击链接，进入下载页面，注意在选择时，应该选择离线的安装程序，以确保安装时不会因为网络问题中断，造成问题。具体的方法如下。

安装CUDA驱动程序的注意事项

注意：下载以后默认安装即可，但是在安装之前，需要确保你的电脑已经安装了任意版本的Visual Studio，否则在CUDA安装Visual Studio依赖时会报错，导致无法安装。

第二步 | 安装Python程序

---

因为PyTorch不一定总是支持最新版本的Python，所以一般来说安装Python 3.9或者Python 3.10是最佳的选择。

首先进入Python的官网，找到Python 3.9版本的下载页面（https://www.python.org/downloads/windows/），选择合适的版本下载。或者直接点击下面的链接下载。

PYTHON版本	官方下载链接
Python 3.9 x64	Windows installer (64-bit)
Python 3.9 x32	Windows installer (32-bit)

安装时，右键安装程序，选择以管理员身份运行，为所有用户安装Python。

第三步 | 安装PyCharm开发工具

---

相比于Visual Studio，PyCharm是一个专门用于Python开发的IDE开发工具，有免费的社区版和专业版可供选择，对于业余用户而言，社区版的功能就已经可以支撑绝大部分的Python项目开发了。

首先进入PyCharm的下载页面（https://www.jetbrains.com/pycharm/download/），找到PyCharm Community的下载选项，下载社区版本的PyCharm，进行安装即可。

注意：如果你之前安装操作要求，为选择了所有用户安装Python3.9，那么就无需配置PyCharm的Python设置，因为此时Python已经自动把自己写入了系统运行环境当中，PyCharm可以自己自动配置运行Python时的虚拟环境。

第四步 | 安装PyTorch机器学习库

---

PyTorch机器学习库有多个版本，对应着不同版本的CUDA驱动和Python程序，但支持情况都没有达到最高版本，这就是为什么上面要求安装版本适中的Python 3.9的原因了。

安装前的准备，更新pip版本

首先需要更新你的Python 3.9中的pip命令库，确保安装时不因为pip版本较低导致报错问题，以管理员身份打开命令提示符，输入下面的命令更新pip库。

python -m pip install --upgrade pip

寻找合适的PyTorch版本

更新完毕以后，打开PyTorch的官网（https://pytorch.org/get-started/previous-versions/），找到不高于自己安装的CUDA版本的最高的PyTorch安装脚本。

使用国内镜像网络进行PyTorch安装

复制安装命令，然后添加安装参数，让pip在安装PyTorch时，使用国内的镜像网络进行下载和安装。避免因为PyTorch安装源在国外，导致下载超时，导致安装失败并且报错。

即在pip install的中间插入参数--trusted-host http://pypi.tuna.tsinghua.edu.cn即可从清华大学的镜像网络下载PyTorch，具体形式如下：

# CUDA 11.3
pip --trusted-host http://pypi.tuna.tsinghua.edu.cn install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

验证PyTorch安装

之后，等待安装即可。安装完成以后可以运行下面的Python脚本验证安装。

import torch;
print('PyTorch 版本：' + torch.__version__);
print('CUDA 版本：' + torch.version.cuda);
print('cuDNN 版本：' + torch.backends.cudnn.version());
print('PyTorch 与 CUDA 可用：' + torch.cuda.is_available());
print('PyTorch 可用的GPU数量：' + torch.cuda.device_count());
print('GPU 名称：' + torch.cuda.get_device_name(0));

---

好啦，大功告成~