深度学习相关软件安装与环境配置（windows版本）

本文介绍了学习Python以及深度学习过程中常用软件的安装与环境配置。

目录

一.Anaconda

1.1 Anaconda简介

1.2 Anaconda安装

 1.3 Anaconda环境配置

二.安装 GPU 版本的 PyTorch 库

三.安装和配置PyCharm

3.1Python、PyCharm和Anaconda的关系

3.2安装

3.3配置

---

一.Anaconda

1.1 Anaconda简介

       Anaconda 是专门为了方便使用 Python 进行数据科学研究而建立的一组软件包，涵盖了数据科学领域常见的 Python 库，并且自带了专门用来解决软件环境依赖问题的 conda 包管理系统。主要是提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。

1.2 Anaconda安装

1.去镜像源安装Anaconda：

由于官网服务器在国外非常的慢，所以一般采用镜像源进行安装。

这里我们给出一个镜像源的地址：Index of /推荐使用最新的版本进行下载；

2.安装Anaconda：

1. 下载完成，点击anaconda.exe文件，启动安装程序。选择next
   
2. 阅读协议，点击 I Agree
   
3. Just me 和 All Users，选择 Just me；
   
4. 安装的路径最好选择D盘因为此文件比较大；
   
   注意：目标路径中不能含有空格，同时不能是“unicode”编码。除非被要求以管理员权限安装，否则不要以管理员身份安装。
5. 点击next，finish，完成安装。
6. 验证是否安装成功：
   （1）“开始 → Anaconda3（64-bit）→ Anaconda Navigator”，若可以成功启动Anaconda Navigator则说明安装成功。
   （2）“开始 → Anaconda3（64-bit）→ 右键点击Anaconda Prompt → 以管理员身份运行”，在Anaconda Prompt中输入conda list，可以查看已经安装的包名和版本号。若结果可以正常显示，则说明安装成功。
7. 环境变量可以勾选，避免需要手动添加环境变量

 1.3 Anaconda环境配置

 1.打开高级系统设置，点击环境变量

2.找到系统变量中的path，点击编辑

 3.在里面新建添加以下几条内容，需要根据个人安装路径进行调整

4.验证环境变量是否配置成功
（1）同时按win+R，并输出cmd 

（2） 输入 conda --version或conda -V

 （3）输出conda版本号即证明环境变量配置成功

 至此，Anaconda的安装和配置完成。

二.安装 GPU 版本的 PyTorch 库

    对于计算机而言，CPU 是主板上的一块芯片，GPU 是显卡上的一块芯片。 每台计算机必有 CPU，但少数计算机可能没有 GPU。其对图像的处理 神乎其神，后来被发现可以用来加速 PyTorch 运行速度（比 CPU 快 10-100 倍）。

1. 查看自己的cuda版本：在 Win+R 中输入 cmd，再在 cmd 中输入 nvidia-smi，如下图所示，可见 CUDA 版本是 12.0

     2.查看 Python 版本，在 Prompt 中下输入 python -V

    3.下载 PyTorch 组件

进入 PyTorch 官网：https://pytorch. org/。首页划到下方，如图所示

第 1 行：选择型号，Stable 稳定型和 Preview 预告型，选稳定型；

第 2 行：对于 PiP 安装来说，Win 和 Linux 安装一致，以 Win 为例；

第 3 行：选择安装方式，这里我们不用 Conda，因为其下载后无论如何也 连接不上 GPU，因此使用 PiP 安装；

第 4 行：语言选择，我们是 Python；

第 5 行：注意，分为 CUDA 和 CPU 两类。

CUDA版本只能向下兼容，选择低于自己CUDA的版本后，复制第 6 行的代码，复制到 cmd 中运行，等到安装结束即可，这一节就结束了。

三.安装和配置PyCharm

3.1Python、PyCharm和Anaconda的关系

1、Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。虽然Python自带了一个解释器IDLE用来执行.py脚本，但是却不利于我们书写调试大量的代码。常见的是用Notepade++写完脚本，再用idle来执行，但却不便于调试。这时候就出现了PyCharm等IDE，来帮助我们调试开发。
2、PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。但是Python自身缺少numpy、matplotlib、scipy、scikit-learn…等一系列包，需要我们用pip来导入这些包才能进行相应运算（在cmd终端输入：pip install numpy就能安装numpy包了。）虽然PyCharm也能自动搜索和下载包，但是总会遇到有些包下载失败或查询不到，很不方便，此时就出现了Anaconda大蟒蛇来解决这个问题。
3、Anaconda是一个开源的Python发行版本。其包含了多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。因为包含了大量的科学包，Anaconda 的下载文件比较大，如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和Python）。
 

3.2安装

首先，去 jetbrains 公司的官网下载 PyCharm，

地址为 Other Versions - PyCharm

推荐下载社区版（足够个人使用）的 2020.1.3-win 版本

安装时，请放在 D 盘的新建文件夹：D:\PyCharm 里。选好安装地址后，请 勾选如图所示。此为安装过程唯一分岔口。

3.3配置

首先在 D:\PyCharm 中创建任意文件夹存放工程，接着在pycharm中创建新的工程：

第一步，切换新工程的位置为刚刚创建的文件夹；第二步，点击“Existing interpreter”；第三步，由于是第一次进入 PyCharm，只能点击“…”来找解释器。

  

第一步，点击 conda 环境；第二步，将解释器设置为 Anaconda 解释器的地 址，如下图所示。

现在，在此工程里创建一个名为“test”的.py 文件，如图 5-13 所示。检测 PyCharm 有无连接 GPU 版本的 PyTorch：输入以下代码行：

import torch
a=torch.cuda.is_available()
print(a)

若输入True则表示连接成功。