深度学习配环境——PyCharm+pytorch，新手记录从头到成功的步骤

学习Python的新手

已于 2025-04-27 20:48:59 修改

阅读量1k

点赞数 13

文章标签：深度学习 pycharm pytorch

于 2025-04-15 21:42:18 首次发布

本文链接：https://blog.csdn.net/weixin_45293212/article/details/147198984

版权

0、前提篇

以前一直没有接触过python，然后读研很多论文在仿真模块用到了深度学习代码，所以要搭建环境并最终跑一跑Github上的开源代码。
需要用到：Python 集成开发环境和深度学习框架（如 PyTorch/TensorFlow）

Python 集成开发环境

PyCharm 是一款由 JetBrains 公司开发的 Python 集成开发环境（IDE integrated development environment）

深度学习框架（如 PyTorch/TensorFlow）

存在NVIDIA显卡（N卡）的主机，安装GPU版本的PyTorch。（为了这个英伟达显卡，我还去换了新电脑——Lenovo拯救者Y7000P）
如果电脑是集成显卡（旧电脑就是），就要安装CPU版本的PyTorch（但据说CPU版本的速度慢，跑不动）
注：torch 是一个库，pytorch 就是在 python 上的 torch。

1、安装篇

1、先按照这个链接博客文章1 进行Python + PyCharm的安装。
2、再按照这个博客文章2进行配置PyTorch环境。（VIP浏览，PDD花一块钱买个浏览或者我下面也写着有，即1.1-1.2是对这一步的解释，上面的1、这一步看按博客文章1操作即可）

1.1安装cuda

Compute Unified Device Architecture（计算统一设备架构）。这是由NVIDIA（英伟达）推出的并行计算平台和编程模型，允许开发者利用NVIDIA GPU的强大计算能力进行通用计算
作用:
a、GPU 加速计算：将 CPU 的串行任务转移到 GPU 上并行处理，大幅提升计算速度（尤其适合矩阵运算、大规模数据处理）
b、支持深度学习框架：PyTorch、TensorFlow 等依赖 CUDA 实现 GPU 加速训练和推理。（PyTorch/TensorFlow 的 GPU 版本需 CUDA 支持才能调用显卡。）
(1) 安装条件
硬件：NVIDIA 显卡（如 RTX 4060）
软件：1、安装 NVIDIA 显卡驱动（一般电脑自带，只是版本可能不是最新的）
win+r——cmd——nvidia-smi # 查看驱动版本和该驱动下最高支持的CUDA版本
得到表格为 Driver Version: 576.02 CUDA Version: 12.9

版本向下兼容，即按照开发库一般不建议使用最新版本的原则，此处我们的显卡及驱动最高支持cuda12.9，我们选择12.8版本来完成开发工作。

用自带的软件完成驱动的更新，而不用从官网上下载
用自带的软件完成驱动的更新（如上图的GeForce Experience，在最小栏搜索中输入，一般电脑自带的），而不用从官网上下载最新的驱动（不过在博客文章3中详细写了如何在官网上安装对应驱动）
在这里插入图片描述

更新：GeForce Experience最新版本是2024年的3.28。目前更新为NVIDIA app，在这里边更新驱动

2、下载 CUDA Toolkit（版本需与深度学习框架匹配）
按照博客文章4安装CUDA。
验证安装输入win+r——cmd——nvcc -V # 检查CUDA 编译器版本
3、（可选）安装 cuDNN（加速神经网络运算）
(2)总结
CUDA 是“理论”，CUDA Toolkit 是“实践工具”。
开发 GPU 加速程序时：写代码遵循 CUDA 模型 → 用 Toolkit 编译调试 → 依赖驱动在硬件执行。
安装时需保持驱动、Toolkit、深度学习框架（pytorch）版本一致！
CUDA 是解锁 GPU 计算能力的钥匙，尤其对深度学习至关重要。安装时需注意硬件兼容性和版本匹配

1.2安装pytorch（GPU版本）

1、在pycharm新建项目的main.py中终端输入CDUA官网下载网址下的命令

1.可以看到这里cuda可选的版本很少，但是没关系，选择与本机cuda版本接近的就行。我下载的cuda版本是12.8，此处选择的是cuda12.6，安装之后也能成功运行。
2.此处我选择的是包是Pip，虽然我前面选择的环境是virtualenv不是pip，但pip命令在virtualenv环境下自动就可运行。
更新（2025.04.27）：网址更新到了12.8可以选了

在这里插入图片描述

回车，结果发现出问题了，显示 ERROR: Could not find a version that satisfies the requirement wheel (from versions: none)。查询后有人提到可能是python版本过高导致。看了pytorch官网也提到目前明确支持的是3.12。
我下的3.13.2
问了deepseek也是说，目前 Windows 用户应优先使用 Python 3.12 + PyTorch 2.3.0 组合
解决方法：卸载3.13.2重装3.12.10。继续重建项目重建main.py。然后打开终端复制前边官网的命令，回车。
结果：果然可以了！！静候安装，需要很长时间。
等待安装中
最后结果是这个
2、验证安装是否成功
在main.py中输入

import torch  #导入PyTorch库
print(torch.cuda.device_count())  #打印可用的GPU设备数量
print(torch.cuda.is_available()) #打印是否可以使用CUDA，即是否可以在GPU上运行计算
print(torch.__version__) #打印torch的版本