【Anaconda+Pycharm】手把手深度学习环境配置教程，含GPU版本Pytorch安装

连命令行都不知道在哪里打开、下载github文件不知道如何运行的手把手教程👇

0. 安装Anaconda和Pycharm

https://www.anaconda.com/

https://www.jetbrains.com/pycharm/

为什么使用Anaconda+Pycharm？

（1）conda配置虚拟环境十分便捷，且配置好的环境可以在Pycharm中加载

（2）Pycharm编程功能更强，可以运行复杂的项目

想进一步理解Python, Anaconda和Pycharm，可自行检索这三者的关系。

1. 下载github项目

1.1 点击Download ZIP下载并解压到指定目录

注：github需要挂梯子

1.2 文件夹中有【requirements.txt】，包含所有项目所需的模块信息。

2. anaconda创建并配置环境（配置GPU版本的Pytorch请查看4）

2.1 点开Prompt

2.2 逐条输入以下代码：

考虑兼容性，建议python用3.8.8版本，3.10和3.9都有过报错情况

conda create --name YourEnvName python=3.8.8 # 创建环境 YourEnvName是你需要命名的环境，比如可以命名为yolov5

conda activate YourEnvName # 激活环境

cd D:/DeepLearning/ # cd到有requirements的目录 cd是切换目录命令

pip install -r requirements.txt # 安装项目需要的所有包

附几个常用的conda命令： 

conda env list # 查看所有环境

conda list # 查看所有包

conda remove -n YourEnvName --all # 删除虚拟环境

至此，已配置好项目环境。

3. Pycharm配置安装好的环境

 Settings中选择配置好的Python环境即可，项目不报错即配置完成，可开始尝试运行train.py文件训练、运行detect.py文件预测。

4. Anaconda配置GPU版本的Pytorch

Pytorch是是一个开源的深度学习框架，提供两个高级功能：

（1）具有强大的GPU加速的张量计算（如NumPy）。

（2）包含自动求导系统的深度神经网络。

开源深度学习框架还有Tensorflow， MxNet等。

接下来的安装部分参考《动手学深度学习》官方

安装 — 动手学深度学习 2.0.0-beta1 documentation

（1）如果用pip install -r requirements.txt默认安装的是cpu版本的Pytorch

因此先删除这个版本，

conda uninstall torch

（2）安装驱动

在cmd中输入

nvidia-smi

出现如下界面，左边的红框显示的是驱动版本，右边红框显示的是该驱动所能安装的最高版本的CUDA，如未安装可以先取官网下载对应的驱动进行安装，由于CUDA驱动向下兼容性较强，因此建议安装最新版本的驱动。

——虽然可以安装11.6，但由于Pytorch版本问题，我装了11.3

CUDA Toolkit 11.3 Downloads | NVIDIA Developer

按步骤安装即可

nvcc --version

验证是否安装完成

（3）用whl文件安装PyTorch

用wheel安装是因为：

很多情况下由于国内源的种种原因，可能安装的是150M左右的cpu版本的pytorch，在安装numpy等科学库时会自动提示更新。

如果用国内镜像源conda/pip安装，会发现pytorch是cpu版本

https://download.pytorch.org/whl/torch_stable.html

找对应版本下载 我下的是

torch-1.12.1+cu113-cp38-cp38-win_amd64.whl

（conda activate指定虚拟环境，cd到指定whl文件目录，与2中的操作相同）

pip install torch-1.12.1+cu113-cp38-cp38-win_amd64.whl

pip install torchvision-0.13.1+cu113-cp38-cp38-win_amd64.whl

 （4）验证安装是否成功

命令行中依次输入

python

import torch

torch.cuda.is_available()

 出现True即成功

 【Ctrl+Z】退出python