神经网络（十五）在VS Code下搭建PyTorch环境
Posted ViperL1
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了神经网络（十五）在VS Code下搭建PyTorch环境相关的知识，希望对你有一定的参考价值。
本文主要记录如何在电脑中安装pytorch以及在vscode中配置相关环境，以及在配置过程中遇到的一些问题。废话不多说，现在开始。
一、安装VS Code
前往微软官网下载vs code，选择社区版，默认安装即可
二、安装Anaconda
前往Anaconda官网下载一个安装包，要注意自己电脑的Python版本，可以在控制台中使用
python -v查看自己的版本号。我的是3.9所以直接下载最新的
三、下载CUDA工具
1.确定自己的显卡所支持的CUDA版本
在英伟达控制面板的左下角找到“系统信息”，在“组件”中找到支持的CUDA版本
前往CUDA下载页面，选择自己电脑合适的CUDA版本进行下载。如果在默认页面找不到对应的版本，可以在下面查找历史版本。
安装时可以选择自定义安装，以避免安装全家桶（其实早都装完了），我选择勾掉VS Integration，其他的全部安装。当然，如果C盘内存不够了也可以指定其他盘，并没有什么影响。
安装完成后一般会自动部署环境，如果没有自动部署环境的话可以百度查看一下如何部署
随后在CMD中使用代码验证环境
nvcc --version
2.下载CUDnn模块
CUDnn用于神经网络计算，下载地址为CUDnn下载，完成注册后选择自己对应的CUDA版本进行下载，下载之后，将压缩包中的三个文件夹解压到之前安装CUDA的地方
具体可以参见这篇博文CUDA安装教程
三、安装PyTorch
前往官网https://pytorch.org/，选择自己对应的情况，获得一句安装口令
在Anaconda的控制台中直接粘贴这句话，等待安装成功即可。如果出现done则表示安装成功，国内部分网络可能出现下载过慢/安装失败的情况，可以参考如何解决pytorch下载慢的问题,更换清华镜像来解决。
四、配置VSCode
1.安装插件
建议安装以下插件
2.配置解释器
在vscode的右下角选择环境
选择pytorch解释器，没有的话可以到安装路径中查找
如果运行出错的话可以尝试配置一下环境（反正我是没配置，有需要的话可以百度搜索）
3.一点小问题
我在完成配置后进行测试发现numpy的版本号与pytorch版本号不一致，可以使用
pip list
or
conda list来核验版本号，如果不对的话记住编译器提示你的正确版本号，在Anaconda的控制台中运行以下代码即可解决
pip uninstall numpy
pip install numpy==1.18.2 --替换为你需要的版本最后完美运行
搭建vs code开发c 环境
关于搭建vscode的开发环境来开发c网上已经有很多类似的贴子，但是几乎都是直接给出tasks.json和launch.json文件，并未说明这两个文件的用途以及如何配置。这里着重说明下这两个问价。
一、安装gcc
使用mingw-w64而非mingw，后者已经许久没更新了。去下面的连接https://sourceforge.net/projects/mingw-w64/files/Toolchains%20targetting%20Win64/Personal%20Builds/mingw-builds/8.1.0/threads-posix/seh/直接下载压缩包。也可使用在线安装器，但是速度很慢，我就直接下载的压缩包。
得到安装包后解压缩，然后我放置到了 “C:Program Filesmingw-w64” 目录下，mingw-w64是手动创建的，然后再添加环境变量
上图中的完整路径是：C:Program Filesmingw-w64x86_64-8.1.0-release-posix-seh-rt_v6-rev0mingw64in
然后再powershell（或者cmd）中输入X “gcc -v” 就能看见gcc版本号了，说明安装成功。
二、make
msys2
去官网下载：https://www.msys2.org/ 官网首页就有安装教程，安装后配置下环境变量。安装后可能没有make工具，使用 “pacman -S make” 命令即可完成安装。
三、vscode的task是什么
未完待续······
四、vscode的launch.json是什么
未完待续······
以上是关于神经网络（十五）在VS Code下搭建PyTorch环境的主要内容，如果未能解决你的问题，请参考以下文章