从零开始系列—— Anaconda + PyCharm + PyTorch（GPU） + 虚拟环境（全步骤，多图警告）

Posted 2023-04-09 欢乐的小鹿

Anaconda + PyCharm + PyTorch（GPU） + 虚拟环境

• 声明
• 一、安装 Anaconda
• 二、安装 PyCharm
• 三、创建 虚拟环境 并 安装 PyTorch
• 四、关联 虚拟环境
• 五、致谢

声明

感谢 姜小敏 同学对我的支持、鼓励和鞭策！

默认你的电脑上已经装有 GPU ，如果没有 GPU ，可以正常的进行各种下载安装操作，但是最终结果会有所不同。

一、安装 Anaconda

首先，进入 Anaconda 官网 ，单击 Download 按钮，稍微等待即可 下载 安装包。

下载好之后，双击打开安装包，进行一系列 安装 操作。

建议安装路径 全英文 ，并且一定要记住 安装地址 。

此处 不勾选 第二项，因此之后需要 人为配置 环境变量。

没啥用，不用勾选，就是跳出两个打广告的网站。

此时已经安装好 Anaconda ，接下来需要人为配置 环境变量 。

添加以下三个路径，路径基于刚才的自定义的 安装路径 。

以上就 完成了 Anaconda 的 安装 部分，可以将以下两个图标从 开始菜单 中拖拽到 桌面 上，方便后续使用。

二、安装 PyCharm

首先，进入 PyCharm 官网 ，单击 Download 按钮 下载 安装包。

本人比较喜欢 Community 社区版 （因为它免费），点击 Download ，稍微等待即可下载。

下载完成后，双击打开安装包，进行 安装 操作。

自定义一个 安装路径 ，最好能做到 “见名知意” 。

无脑 全选 ，都用得到。

想 重启 电脑，就勾选 第一项 ，不想重启，就勾选第二项。（ 建议 大家也重启一下，就当休息了，我是重启着玩而已…）

三、创建 虚拟环境 并 安装 PyTorch

准备工作已经完成了，接下来需要在 Anaconda 中新建一个只用于 PyTorch 的 虚拟环境 。
首先，双击打开 Anaconda Prompt 。

接下来要在 黑窗口 中进行操作。

先将 清华源 导入 Anaconda ，之后就可以 快速的 进行下载，命令行如下。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

复制粘贴上面三行代码，并按下回车。

之后就可以创建一个 虚拟环境 了。虚拟环境名 和 python版本 可以自己修改（环境名建议 认真 取一个，不要难为未来的自己）。

命令： conda create -n 虚拟环境名 python=python版本

例如： conda create -n lzy_pytorch112_py39 python=3.9

输入命令之后，按下回车。

在出现一大段英文之后，输入字母 y ，再按下回车。

之后就是 等待 它自动安装虚拟环境所需要的东西。

之后，使用命令 激活 刚才创建的虚拟环境。

命令： conda activate 虚拟环境名

例如： conda activate lzy_pytorch112_py39

成功激活 虚拟环境之后，会出现这样的界面。

接下来进入 PyTorch 官网 。

下滑网页，找到 Previous versions of PyTorch （由于本人 不喜欢 使用最新的版本，因此安装之前的版本）。

通过 Ctrl + F 找到 （本人喜欢的） 版本。

复制 命令，并且 粘贴 到黑窗口中， 回车 执行。

命令： pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113

（等待…永久的等待…耐心一点…它总会完成的…）

过了五百年，它完成了！接下来就不需要这个窗口了。

四、关联 虚拟环境

双击打开桌面上的 PyCharm 。

如你所见，英文的，我不喜欢，我要换成 中文 。

点击 Restart IDE 重启一下 PyCharm 。

终于，重启之后，熟悉的 中文 界面出来了。

接下来就是让 PyCharm 与 Anaconda 中的 虚拟环境 关联起来，点击 新建项目 。

项目的位置可以自己设置，然后 添加本地解释器 。

选择左侧的 Conda 环境，根据安装过程中， Conda 的存放地址，进而加载环境（左下角的那个红色文字，一会儿就不见了，就当看不见它）。

到目前为止出现了两个 现有环境 ，其中第一个环境是 base（基准） 环境，别动它！选择第二个 自己创建的虚拟环境 ，点击 确定 。

可以再 观察一下 先前配置的解释器 ，正是想要的效果，享受一瞬间的快乐，点击 创建 按钮。

进入项目之后，先什么都不要点，观察 下方 有一个 进度条 ，等待 PyCharm 加载完环境。

当进度条消失时，说明已经加载完成，输入以下代码进行 测试 。

import torch

print(torch.__version__)
print(torch.cuda.is_available())

输入完成之后，就是下面的样子。

右击代码中的任意 空白处 ，执行 这个文件。

最终结果如下，说明已经成功安装好 PyTorch ，可以开心的继续学习了。

如果电脑没有 GPU ，最终结果会显示 False 。

五、致谢

1. 再次感谢 姜小敏 同学！！！
2. 感谢 姜小敏 同学在学习和生活中给予的谆谆教诲和悉心的关怀。
3. 在本文的选题、研究以及撰写过程中，自始至终得到了 姜小敏 同学的精心指导和热情帮助，
4. 本文无不凝聚着 姜小敏 同学的心血和汗水。
5. 姜小敏 同学严谨求实和一丝不苟的学风、扎实勤勉和孜孜不倦的工作态度，时刻激励着我努力学习，并将鞭策我在未来的工作中锐意进取、奋发努力。
6. 姜小敏 同学的指导将使我终生受益。
7. 最后，送 姜小敏 同学一首歌曲MV，表达我的感激之情。

从零开始搭建深度学习环境

开始深度学习调参之路不能没有一个趁手的环境

安装基础环境

我使用的机器环境是：Ubuntu18.04

1. 安装显卡驱动
   1.
   2. 按照cuda所需的版本安装
   3. sudo ubuntu-drivers autoinstall
2. 安装pip
   1. sudo apt-get install python-pip
3. 下载anaconda3
   1. 地址：https://www.anaconda.com/distribution/
   2. 安装路径：/home/anaconda3
   3. 进入下载路径：bash Anaconda3-5.2.0-Linux-x86_64.sh
   4. 打开.bashrc验证anaconda环境变量
4. 查看NVIDIA图形卡和推荐的驱动程序的模型：ubuntu-drivers devices
   1.
5. 验证显卡驱动版本： cat /proc/driver/nvidia/version
6. 安装cuda
   1. 版本选择：
      1. 只有cudnn7.4.2支持Ubuntu18.04和16.04
      2. cuDnn 7.4.2需要cuda10.0, cuda10.0需要gcc版本是7.3.0，而Ubuntu18.04的GCC版本正是7.3，无需降级，因此选择cuda版本为10.0
   2. 下载cuda10.0：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal
   4. 如果有多个文件，之后的属于补丁，需要全部下载
   5. 安装cuda：进入下载目录，执行 sudo sh cuda_10.0.130_410.48_linux.run, 如果有其他的补丁文件，需要同样方式执行
   6. 之前已经安装过显卡驱动程序，因此在提问是否安装显卡驱动时选择no，其他默认(NVIDIA Accelerated Graphics Driver)
   7. 增加环境变量
   8. 验证cuda版本：nvcc -V
7. 安装cudnn
   1. cuDnn的安装，就是讲cuDNN包内的文件，拷贝到cuda文件夹中即可
   2. 下载地址：https://developer.nvidia.com/rdp/cudnn-download
   4. tar -zxvf 解压缩
   5. sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
   6. sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
   7. sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
      接下来就可以安装tensorflow的gpu版本了

安装tensorflow

1、下载安装anaconda
可以先配置国内镜像，加快速度
修改pip源

linux下，修改 ~/.pip/pip.conf (没有就创建一个)， 修改 index-url至tuna，内容如下：
 [global]
 index-url = https://pypi.tuna.tsinghua.edu.cn/simple

2、创建TensorFlow环境

// 创建环境,在anaconda默认envs路径下
$ conda create -n tensorflow python=3.5
// 移除环境
$ conda remove —name tensorflow —all
// 在指定envs路径下创建环境
$ conda create --prefix=/Users/fzr/.conda/envs tensorflow python=3.5
注意：目前Mac上的Tensorflow仅仅支持CPU版本，而且3.0以上版本仅支持3.5版本，所以创建环境的时候一定要加上Python=3.5。详情可以去Github Tensorflow查看。

3、设置国内镜像

# 添加Anaconda的清华开源软件镜像
conda config -—add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help种镜像地址有引号，需要去掉
# 设置搜索时显示通道地址
conda config —set show_channel_urls yes
查看镜像列表：
conda config —-show
移除镜像：
conda config —-remove channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'
在镜像修改之后，一定要验证:conda config --show
查看anaconda所有环境信息
conda env list
查看anaconda安装信息
conda info

4、安装TensorFlow
目前仅仅是创建了一个空的环境，仅有与Python3.5相关的一些包，需要先激活环境，然后安装TensorFlow

//激活环境
$ source activate tensorflow
//安装TensorFlow
$ pip install tensorflow
// 关闭环境
$ source deactivate

查看某个指定环境的已安装包

conda list -n python34

5、测试是否安装成功

// 激活环境后，进入Python
>>> import tensorflow as tf
>>> hello = tf.constant('hello, Tensorflow’)
>>> sess = tf.Session()
>>> print(sess.run(hello))
hello, Tensorflow

6、tensorflow常用包安装
conda install opencv-python
conda install -c chembl easydict
conda install cython
conda install tqdm
conda install scipy
conda install matplotlib
conda install Pillow
conda install scikit-learn
conda install pyyaml

PIL 安装会和easydict冲突，因此选择Pillow
Import cv2 报错解决
apt update && apt install -y libsm6 libxext6
apt-get install libxrender1
apt-get install libglib2.0-0