建议先安装Anaconda,再安装Pycharm,环境配置以Pytorch为例，步骤如下：
一、Anaconda安装
下载地址传送门：
我是在Windows系统安装：
1.下载64-bit anaconda进行安装。
2.选择用户：两者选择哪一个都行，这里我选择All Users。
3.选择安装位置，可根据需要选择安装位置。
4.这里可以先不用选Add sys path，只勾选Register。 推荐安装之后手动配置系统变量，避免配置导致后期使用上的问题。（网上一般勾选的多一些）
5.等待完成，下一步
6.最后两项都不需要选，点击Finish，完成安装
7.配置环境变量:打开电脑高级系统配置： 此电脑处右键、选择属性、选择高级系统配置、在右下角处选择环境变量、在系统变量中双击Path,根据自己的安装路径添加如下变量。
Anaconda安装完成！
二、Pycharm安装
下载地址传送门：
选择社区版即可，毕竟免费.
我是在Windows系统安装：
1.下载完成后点击安装，根据自己电脑情况，选择安装在哪个盘。
2.这里功能选项，全部勾选，或者根据自己需求选择。
3.接下来，单击“安装”打开安装界面。
4.这里勾选图中所示
5.配置环境变量：打开电脑高级系统配置： 此电脑处右键、选择属性、选择高级系统配置、在右下角处选择环境变量、在系统变量中双击Path,根据自己的安装路径添加如下变量。
Pycharm安装完成！
以上安装完成，在win+r cmd中，输入python后可能会出现警告：This Python interpreter is in a conda environment, but the environment has not been activated.这个并不影响，可在Anaconda Prompt的base环境中输入python并不会报出上述警告，详见以下链接。
python与anaconda区别及先后安装的问题_老师我作业忘带了的博客-CSDN博客_先装python还是先装anaconda
三、Pytorch环境配置
conda默认环境base，在未新建或未指定环境的情况下，package均安装在base下，但不同项目用到的包有所差别，为方便管理不同项目，因此建立不同的环境。下面以pytorch为例，讲解建立虚拟环境的步骤：
1.进入base环境：点击Anaconda Prompt，进入base环境（还可通过win+r cmd 输入activate命令进入base环境），在base环境下输入下面信息创建虚拟环境。
conda create -n pytorch python=3.6
这里面的pytorch是你创建的虚拟环境名，可根据需要起不同的名字。另外，python版本、cuda版本、pytorch版本存在对应关系，对于需要使用GPU的，在环境配置时，此处的python版本一定要符合对应的cuda版本和pytorch版本，否则会导致安装的环境GPU不可用，对应关系可参考下面链接。
Index of /anaconda/cloud/pytorch/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
例如：按照上面链接，windows系统下pytorch1.10.2、cuda10.2,则根据python版本、cuda版本、pytorch版本的对应关系，python版本只能为3.6/3.7/3.8/3.9其中之一，否则安装完成的环境不能使用gpu。
具体原因可参考此博客：conda安装GPU版pytorch，结果却是cpu版本[找到问题根源，从容解决]_pytorch-mutex_windSeS的博客-CSDN博客
2.安装成功后，输入以下指令：
conda info --envs
即可看到 conda 环境中，有新建的 pytorch 环境，右边的 * 号表示，当前你处于哪个环境。
3.接下来，我们要在 pytorch 环境中，安装 PyTorch，使用如下指令，进入 pytorch 环境（你取的啥名字后边activate啥）
conda activate pytorch
你可以看到左边的 base 变成了 pytorch，代表成功进入 pytorch 环境。
4.安装pytorch:进入pytorch官网，按照自己的需要选择。比如我下边选择的是稳定1.12.1版本，windows下，conda安装（有没有注意到咱们上边用的命令就是conda XXX），python，有显卡根据电脑显卡选择合适的CUDA。如果没有显卡的话，选择 CPU。配置如图：
注意：此处选择为windows系统下pytorch1.12.1、cuda10.2,则根据python版本、cuda版本、pytorch版本的对应关系，python版本只能为3.6/3.7/3.8/3.9其中之一，否则安装完成的环境不能使用gpu。
5.进入步骤3中所说的Pytorch环境，将官网给的下载命令贴进去。
conda install pytorch torchvision torchaudio cpuonly -c pytorch下载命令有的是使用清华源进行下载，我就用的官网上的，感觉还是挺快的。
6.验证安装是否成功。
6.1在命令行左边为 pytorch 环境中，输入 python
6.2之后，输入 import torch，如果没有报错，意味着 PyTorch 已经顺利安装了
6.3接下来，输入 torch.cuda.is_available（），如果是 True，意味着你可以使用 GPU。
Pytorch虚拟环境创建完成！注意：如果前面步骤中python版本与cuda版本、pytorch版本不对应，则此处就会返回False，不能使用gpu。
以上安装过程若出现conda版本问题，可通过以下命令更新。
更新conda到最新版本：conda update -n base conda
再查一下conda版本：conda -V
第二次更新conda到最新版本：conda update -n base conda 第二次很重要！！！
更新完后再查一下conda版本：conda -V
然后执行：conda update --all
7.配置环境常用命令
7.1退出目前虚拟环境
conda deactivate7.2在指定虚拟环境，如我们创建的名为pytorch的虚拟环境（左边括号有pytorch）中输入python，可查看python版本号 在虚拟环境中输入python后，exit（）可退出python编译环境
7.3查看所建虚拟环境下的CUDA和torch版本（针对GPU），以所建的pytorch环境为例，命令如下。
(1)激活要查看的虚拟环境
conda activate pytorch
(2)输入python
(3)输入import torch
(4)输入print(torch.version.cuda)即可查看所建的pytorch虚拟环境下CUDA版本
(5)输入torch.__version__即可查看所建的pytorch虚拟环境下torch版本
CUDA版本又分为CUDA驱动API和CUDA运行API两个版本，上述命令是查看CUDA运行API版本，也就是我们虚拟环境下真正跑代码用到的。查看CUDA运行API版本，还可以通过win+r cmd中输入nvcc -V进行查看，但是这种查看方式的前提是已经在电脑上安装了CUDA Toolkit。创建pytorch虚拟环境，可以不用下载CUDA Toolkit，这也可以调动GPU运行，这是因为在使用pytorch官网的命令安装虚拟环境时，他们的命令使conda自动装了cuda toolkit.so，这个so文件依赖于cuda toolkit，可以实现cuda toolkit的部分功能（满足跑深度学习的代码），这可通过所建虚拟环境下使用conda list命令进行查看。
另外，查看CUDA驱动API版本，可通过win+r cmd中，输入nvidia-smi命令，即可实现。关于这两个版本的区别可见以下链接，我觉得讲的不错。
nvcc -V和nvidia-smi出现的cuda版本不同_Chauncey_Wang的博客-CSDN博客_nvcc-v
7.4删除名为env_name的环境。
conda env remove -n env_name7.5显示所有环境。
conda env list或者
conda info --envs7.6移除软件包或查看软件包
conda remove package_name
conda list以上步骤若有问题或更好方法，欢迎大家探讨！转载请注明出处。
2159
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
