从零开始的第一个python虚拟环境--anaconda的搭建（集显和独显）

本文链接：https://blog.csdn.net/qq_63527291/article/details/132946015

从零开始的第一个python虚拟环境

文章目录

- 从零开始的第一个python虚拟环境

由于有些电脑带有独立显卡，故需要先下载cuda和cudnn，以便深度学习使用显卡训练，优先介绍cuda和cudnn的下载，而anaconda和pytorch的下载则一并在末尾介绍

在文章末尾有如何清除错误软件的教程

集显anaconda下载的教程在文章末尾

1.独显安装相关环境

1.带有GPU电脑的cuda下载

1. 打开NVIDIA面板，点击帮助中的系统信息

在这里插入图片描述

2.点击组件，查看自己的cuda版本信息

如果你的cuda版本很高，但是你想下低版本怎么办？
查阅cuda官网社区，可以知道cuda对于低版本是可以兼容的，也就是18的cuda可以下载16的cuda版本
故如果你是高版本想偷懒下，可以从我的网盘下载对应的文件
在这里插入图片描述

3. 下载（地址CUDA Toolkit Archive | NVIDIA Developer）

https://developer.nvidia.com/cuda-toolkit-archive

点进链接后，按照以下步骤：
在这里插入图片描述

找到历史版本（以我为例，我是11.6.1版本，请各位下载自己电脑对应版本）

在这里插入图片描述

点击进入以后，按照自己版本选择，我是win11

注意：Installer Type有两个选项，前面是网络安装，后面是本地安装，网络安装就是下载一个很轻巧的工具包，大概20M，如果选择本地安装，就会将所有相关的东西都下载下来，安装过程中无需再次下载，我选择后者。
在这里插入图片描述
由于我已经安装过了，所以这部分引用的ppt

后面就是在命令行中输入nvcc -V查看是否安装完毕
在这里插入图片描述

安装完毕以后查看是否有环境变量（一般默认配置好）
在这里插入图片描述

4. cudnn的下载

地址：https://developer.nvidia.cn/rdp/cudnn-archive

选择适配CUDA版本的CUDNN，下载，此处需注册英伟达账号

在这里插入图片描述

下载下来的是一个压缩包，解压后有三个文件夹
在这里插入图片描述

然后复制粘贴到cuda的目录文件夹下，相同目录自动合并（就是有以上三个文件夹的路径下面）
在这里插入图片描述

打开命令行，输入nvidia-smi
在这里插入图片描述

以上是独立显卡必需部分的安装，接下来进入集显和独显共有的安装

2.anaconda的配置

1.下载anaconda（独显操作）

以下所需要的内容，在我的百度网盘链接中已经分享了，如果是cuda11.6的可以从我的网盘中下载

链接：https://pan.baidu.com/s/166G8MD8Awd3cD5521OcXRw?pwd=1234

提取码：1234

官网：Anaconda | The World’s Most Popular Data Science Platform

集显直接去官网下最新的就完事了
独显请下载跟自己cuda所能支持的python版本所对应的anaconda版本

历史版下载：

· 历史版本下载：https://repo.continuum.io/archive/

· 清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

赘述：

由于大家在网上都会看到去pytorch里面查看这个指令

在这里插入图片描述

但是这个pytorch版本是对你的anaconda的内置python有要求的

download.pytorch.org/whl/torch_stable.html

打开这个链接，我们会发现

在这里插入图片描述

cu116/torch-1.13.0%2Bcu116-cp39-cp39-win_amd64.whl

这个cuda11.6对应的python版本只能到3.9

这里的cu116指的是cuda11.6版本，torch-1.13.0指的是torch版本，cp-39指的是python版本，win是window版本

故我们去清华源的网址里面下载以前的旧版本anaconda
在这里插入图片描述

然后我们剖析一下pytorch的下载指令

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

这里面要求我们下载

pytorch torchvision torchaudio 这三大件

所以我们在download.pytorch.org/whl/torch_stable.html里面找到对应的版本去下载下来就可以了

这种方法避免了更换数据源，以及清华源会下载到cpu版本torch的风险，也是目前安装适配cuda最稳妥的方法

步入正题

1. 下载anaconda

在这里插入图片描述

双击安装程序以启动，然后单击“Next”按钮。阅读许可条款，然后单击“I Agree”按钮。

选择“Just Me”的安装（除非被要求以管理员身份安装，否则不要以管理员身份安装），并单击 “Next”按钮

在安装过程中需要选择是否将Anaconda添加到PATH环境变量中。可以勾选“加入环境变量”（如果不勾选，后面需要将Anaconda加入环境变量，均可），然后单击“Install”按钮。

在这里插入图片描述

后面就是一路下一步就行了

注：没有环境变量的如下添加
环境变量的配置，应当是自己目录下的路径，不要敲成我的路径

在这里插入图片描述

2.打开anaconda的prompt

在这里插入图片描述

输入python查看版本号，然后exit（）创建一个名为pytorch虚拟环境

注：名字随意，想叫啥叫啥，叫暴龙战士都没人管你

在这里插入图片描述

Conda activate pytorch //（这是你取的名字）

切换你的路径是在三大件¹的路径下

在这里插入图片描述

使用pip install 将这三个文件下载到你创建的虚拟环境中等待下载完成

python 

Import torch

torch.cuda.is_available()

若回复True则成功。

在这里插入图片描述

1.anaconda下载（集显操作）

集显不受显卡限制，可以直接去官网下载最新版本，

然后在pytorch找到对应的指令

在这里插入图片描述

conda install pytorch torchvision torchaudio cpuonly -c pytorch

如果出现下载中断，请更换下载源

channels:

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

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

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

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

 \- defaults

这个打开电脑中的.condarc覆盖其中的内容

在这里插入图片描述

同时将命令中的-c pytorch删去

重新下载，如果出现长时间下载进度不发生变化，

ctrl+c 中断进行测试是否已经下载完毕

如果测试失败，但是无法重新安装包，可以使用以下命令清除所有包，然后重复以上操作

conda remove --all

如果出现所有包安装完毕，请进行测试

激活虚拟环境后，将命令粘贴到命令行中

等待下载完毕就可以正常使用torch了

Import torch

print(torch.arange(12))

若回复这样，则是安装成功

在这里插入图片描述

3.软件安装出现错误解决办法（或者是电脑的anaconda无法正常运行，以及其他需要删除anaconda的情况）

首先去官网下载，everything， cc leaner ，geek三个软件，打开控制面板，找到anaconda进行卸载

在这里插入图片描述

然后打开everything，输入anaconda，请你酌情删除，避免误删！！！
在这里插入图片描述

最后打开cc leaner 进行注册表的清理

在这里插入图片描述

最后，你可以开始anaconda的重新下载了。

4.pycharm虚拟环境

1.打开pycharm

打开setting 点开当前项目对应的项目名点击add interpreter

在这里插入图片描述

点击conda环境将conda executable 切换到自己anaconda里面的condabin\conda.bat
选择已存在的环境，找到自己创建的虚拟环境，就可以正常使用啦
可以去项目中测试一下

2.为什么无法导入虚拟环境

在2022.3月后版本，pycharm只解释anaconda的condabin下面的可执行文件，假如你下载的anaconda，没有condabin目录，只有scripts目录下的conda.exe，你有两种选择，一是下载2022.3版本之前的pycharm,它可以解释scripts下的conda.exe，二是更换2022.3版本之后anaconda，它带有condabin目录，也就是二者在2022.3月的版本是一条分割线，但是2022.3之后的anaconda仍然保留了scripts的目录，也就是它可以被老版本的pycharm解读，但是新版本的pycharm却无法解读旧版本的anaconda

本人制作有限，麻烦各位读者，动动小手，点个小赞，评个小论。

如若出现错误，恳请各位批评指正