深度学习：新项目的环境搭建_深度学习环境搭建-CSDN博客

本文链接：https://blog.csdn.net/qq_63250140/article/details/140962041

前言

由于最近刚刚接触深度学习，发现配置环境好困难，经过了几次配置环境后，想着把这些东西总结成方法，这样以后就不用在配置环境上浪费太多时间了。

什么是conda？个人感觉就是一个平台，像vscoda，CubeMX之类的，我们可以在上边创建我们深度学习项目的环境，供我们的程序使用，同时，利用conda给每个需要配置环境项目配置环境，可以避免我们不同项目之间的环境发生冲突，下面我们在已经安装好Anaconda的基础上进行项目的环境配置。

打开Anaconda的窗口

出现下图，注意这个base，这个是你的基础环境

输入以下指令（#后边的可别敲啊），这里的python也要根据readme设置，不要装的版本太低了

#conda creat -n 环境名 python=版本号
conda create -n StaSAM python=3.10

新的环境建立起来以后，你当前的操作界面还是停留在base环境下，接下来输入以下指令

#conda activate 刚刚创建的环境名称（激活刚刚创建的环境）
conda activate StaSam

进入虚拟环境以后就可以配置项目所需的环境了，一般我们配置环境的基础就是pytorch，我们可以现自行安装pytorch，但是还是建议根据项目去装作者推荐的pytorch的版本，不然会有好多依赖包出现冲突的问题，很麻烦的。

我们来看一看我们要浮现的论文的readme，这里边一般会有我们需要配置的环境，readme一般就是教我们如何去使用作者上传的代码，如下所示，这便是我们所需要配置的环境

但是有的readme里可能不会过多介绍我们所需要装配的环境，这时我们可以去阅读代码的requirements.txt，这里边放着我们需要安装的依赖。

了解完这些以后，我们就可以去安装依赖了

首先选择合适版本的pytorch，我们可以看到作者推荐的合适版本为2.1，这是我们就需要去pytorch的官网上去寻找相关的版本下载，下载的官网放在这里了Start Locally | PyTorch，这里是一般我们进行下载的地方，但是我们没有看到我们需要的2.1

没找到没有关系，我们可以去下面这个地方去寻找

接下来我们用ctrl+f的办法去寻找我们需要的2.1版本

接下来我们观察readme里，cuda的相关版本是12.1，那么我们就下载下图所示的那个

下载之前，通过下边的指令（命令行指令），看看自己的CUDA版本是否能够满足版本的需要

nvidia-smi

这里我的CUDA版本安装只要小于等于12.6的都可以，所以可以放心下载了，各位读者下载pytorch的时候需要注意自己的版本是否能跑pytorch的CUDA

接下来，在命令行窗口输入我们刚才找到的pytorch下载指令进行下载即可

但是，由于pytorch的下载地址在外网，所以下载速度异常缓慢，这里我们可以通过添加镜像渠道来加快下载速度

首先我们先来配置一下镜像路径，这样下载速度会快很多，当然也可以不配置直接进行下载，我比较喜欢快的（doge）

这里放上清华大学的镜像，两个都要加，这两个镜像相对来说比较稳定

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

那么该如何去添加镜像呢？打开命令行，指令如下

conda config --add channels 通道地址  #添加镜像通道
conda config --remove channels 通道地址  #移除镜像通道

（补充）如何查看自己的环境下有哪些镜像渠道呢？通过以下指令

conda config --get

然后使用镜像下载pytorch时，指令也要稍微修改一下

conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia

改为

conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c nvidia

之后会发现下载速度嗖嗖的

这里按照我浮现的这篇论文来说的话，它很人性化了，怎么装的在readme都告诉了

但这里我还是想说一下通用方法，一般我们是通过作者code中的requirements.txt文件进行配置的

我们只需要将这个代码下载下来，然后在代码所在的文件夹里输入cmd来打开指令行

进入以后，我们不会直接进入我们刚刚配置的虚拟环境，需要我们再次调用下面这行指令

#conda activate 刚刚创建的环境名称（激活刚刚创建的环境）
conda activate StaSam

之后，输入下面这行指令

#下载requirements.txt所需要的依赖文件
pip install requirements.txt

最理想的情况下是输入指令后没有报错，但是有时我们会遇到各种错误，这就需要我们一个一个依赖包手动安装了，同样调用

pip install 软件包==版本号

就像如下格式（只是个例子）

pip install python==3.10

如果出现报错的话就上网上找如何去下载，但是可不要乱下啊，找好相应的版本，不然可能会出现版本冲突的问题！！！

有些时候，作者可能会忘写一些依赖，这就导致我们运行代码的时候会报错，此时我们可以根据报错通过pip install进行相关包的下载，装完之后我们就可以开始正式的论文浮现了。

本文总结了个人对于一个项目的环境搭建的见解，环境搭建真的好麻烦，网上资料太分散了，要上网找好长时间，所以就想着自己写一篇，这样以后就不用花费大量时间去配置环境了。。。