Python 深度学习环境搭建：Anaconda、PyTorch GPU 版与 PyCharm 配置

安装 CUDA（可选）

查看自己的计算机的显卡的方法是：任务管理器——性能——左侧栏划到最下面。

NVIDIA 显卡中的运算平台是 CUDA，不过，即使您的计算机有 NVIDIA 显卡，但您的显卡中也不一定含有 CUDA，没有的话就要下载 CUDA。而 PyTorch 的下载组件里也会包含一个内置的 cuda。为了区分，显卡内的 CUDA 用大写，PyTorch 内置的 cuda 用小写。一般来讲，要满足：CUDA 版本≥cuda 版本。

查看 CUDA 版本的方法是：Win+R 后输入 cmd，进入命令提示符，输入 nvcc -V。

如果显示'nvcc -V 不是内部或外部命令'，则说明需要安装 CUDA。后面我们将安装 torch 1.12.0 版本，其可选的内置 cuda 版本是 11.3。因此，如果您显卡里的 CUDA 低于了 11.3，需要进行升级。

CUDA 的下载链接：https://developer.nvidia.com/cuda-toolkit-archive，以其中的 CUDA 11.3 为例，点击进入。

接下来要选择平台，点击 Windows，之后自动弹出更多内容，按图选择，最后点击右下角的 Download（2.7GB），建议将其放置新建的 D:\CUDA 中。

下载好之后，将 exe 文件放置在新建的 D:\CUDA 内，点击 exe 文件，大约要等两分钟，会弹出提示框，这里要选择临时的解压文件夹，考虑到解压后需要占用大约 7G 的内存，因此建议放在 D:\CUDA\Tem 内，安装结束后，该临时解压文件夹会自动删除。

解压好后，进入如图的安装界面，同意并继续后，点击'自定义'。接下来，仅仅选择 4 大项中的 CUDA，并取消 CUDA 中关于 VS 的选项。

完成后，按照默认的 C 盘路径进行安装（大约 7G）即可。

现在回头查看临时解压文件夹 D:\CUDA\Tem，会发现已经消失，顺便可以删除 D:\CUDA 了。

接下来配置环境变量，如果你是按照默认路径的话，其路径应该是：

• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
• C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp

如果你忘了你的路径，用 everything 搜索出来即可。最后，回头检查一下 CUDA 版本，Win+R 后输入 cmd，进入命令提示符，输入 nvcc -V。

安装 PyTorch

PyTorch 一分为三：torch、torchvision 与 torchaudio。这三个库中，torch 有 2G 左右，而 torchvision 和 torchaudio 只有 2M 左右，因此一般在代码里只会 import torch。当 torch 的版本给定后，另外两个附件的版本也唯一确定了。安装 torch 前，先给出一张安装表，其中 cu113 即 cuda 11.3，cp39 即 Python 解释器的版本是 Python3.9。注：NVIDIA 显卡 30 系列（如 NVIDIA GeForce RTX 3050）只能安装 cu110 及其以后的版本。

目前所有 torch 版本的安装表请参考官网文档。

现在，按照李沐老师《动手学深度学习（PyTorch 版）》教程，安装 torch 1.12.0。根据安装表，torch 1.12.0 支持的 cuda 是 11.3 或 11.6，任意选一个即可；其支持的 Python 是 3.7 - 3.10，刚刚新建的虚拟环境的 Python 是 3.9，满足条件。

进入 PyTorch 官网：https://pytorch.org/get-started/previous-versions/，在其中 Ctrl + F 搜索【 pip install torch==1.12.0 】，请注意，这里使用 pip 安装，而不是 conda 安装（如果用 conda 安装，最后检验 cuda 时是不可用的）。

方法一：直接安装（不建议，网差的话会死机） 复制网页里的那段代码，也即

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

双击 Prompt，进入 DL 环境下运行（不要在 base 环境下运行）。看到最后几行代码里有 Successfully installed 就算成功。

安装命令的意思是，使用 pip 安装三个库，第一库是 torch1.12.0+cu113，第二个库是 torchvision0.13.0+cu113，第三个库是 torchaudio0.12.0，库的下载地址是 https://download.pytorch.org/whl/cu113。

方法二：先下轮子再安装 首先，我们进入方法一提及的网站 https://download.pytorch.org/whl/cu113，进入 torch、torchvision、torchaudio 三大组件各自的网站。

下载好后，将三个 whl 文件放在新建的 D:\whl 文件夹中。 安装命令为 pip install 路径\轮子名.whl，即

pip install D:\whl\torch-1.12.0+cu113-cp39-cp39-win_amd64.whl
pip install D:\whl\torchvision-0.13.0+cu113-cp39-cp39-win_amd64.whl
pip install D:\whl\torchaudio-0.12.0+cu113-cp39-cp39-win_amd64.whl

将上述代码放在虚拟环境 DL 下执行（而不是 base 环境，否则就会把这个库安装进 base 环境下）。 安装完毕后，即可删除 D:\whl 文件夹（但建议留着，之后可能还要安装）。

检验 cuda 是否可用

方法一：查看当前环境的所有库 进入 DL 环境后，使用 conda list 命令列出当前的所有库。

方法二：进入 Python 解释器检验 由于目前没有代码编辑器，因此直接进 Python 解释器，检验 cuda 是否可用。首先，进入虚拟环境 DL 后，输入 python 以进入解释器。

输入 import torch 导入 torch 库。若 torch 安装失败，则会返回 No module named 'torch'。若安装成功，不会返回任何语句，同时在下一行出现'>>>'，提示我们可以继续敲代码。

最后一步，输入 torch.cuda.is_available()。

Jupyter 代码编辑器

计算机用户名（即 C:\Users\用户名）为中文，无法兼容 Jupyter。大家可以打开 Prompt 检查自己的用户名。

修改工作路径（可选）

Jupyter 初始的工作路径为【C:\Users\用户名】，需要进行修正，将其转移到新建的【D:\Jupyter】位置。

1. 新建 D:\Jupyter；
2. 打开桌面快捷方式中的 Prompt；
3. 输入 jupyter notebook --generate-config 命令并执行；
4. 打开上一步生成的配置文件地址，即 C:\Users\用户名.jupyter；
5. 在 jupyter_notebook_config.py（以记事本方式打开）中使用 Ctrl + F 查找并且修改如下配置项：

# 修改前：# c.NotebookApp.notebook_dir = ''
# 修改后：c.NotebookApp.notebook_dir ='D:\Jupyter'

也即删除前面的#号注释，在后面的单引号里输入要设置的目录路径，注意，'D:\Jupyter'中不能有空格，否则 Jupyter 打开就闪退。保存后关闭。 6. 找到桌面的 jupyter notebook 快捷图标，鼠标反键>>属性>>快捷方式>>目标，删除最后的"%USERPROFILE%/"。

虚拟环境连接 Jupyter

我们已经在 Anaconda 里创建了一个叫 DL 的虚拟环境，但是现在这个叫 DL 的虚拟环境没有连接 Jupyter，换句话说，Jupyter 现在仅仅能与 base 环境相连。为让虚拟环境与 Jupyter 相连，请在 Prompt 的虚拟环境下操作下列命令。

# 安装 ipykernel
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple
# 将虚拟环境导入 Jupyter 的 kernel 中
python -m ipykernel install --user --name=环境名
# 删除虚拟环境的 kernel 内核
jupyter kernelspec remove 环境名

在 Jupyter 里，切换到 DL 内核后，点击 New，新建一个 DL 内核的脚本。在 DL 内核的脚本下，输入两段代码后运行验证。

PyCharm 代码编辑器

建议下载 PyCharm 社区版。

卸载 PyCharm（可选）

找到 PyCharm 安装地址，如果找不到，则在 PyCharm 快捷方式的属性中找。在'PyCharm 安装地址\PyCharm Community Edition\bin'中，找到 Uninstall.exe。双击运行，勾选两个，点击确定。

安装 PyCharm

首先，去 JetBrains 公司的官网下载 PyCharm，地址为 https://www.jetbrains.com/pycharm/download/other.html。推荐下载社区版（足够个人使用）的版本。

安装时，请放在 D 盘的新建文件夹：D:\PyCharm 里。选好安装地址后，请勾选如图所示的选项。

虚拟环境连接 PyCharm

完成第一次配置后，首先在 D:\PyCharm 中创建文件夹 Py_Projects 存放工程。接着，在 PyCharm 里创建新工程。

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。

在弹出的界面中，首先点击左侧的 conda 环境，再将解释器设置为 Anaconda 虚拟环境解释器的地址。

现在，在此工程里创建一个名为'test'的.py 文件。先随便写行代码，运行一下（Ctrl+Shift+F10），再点击编辑配置。勾选'使用 Python 控制台运行'，并应用。

打开控制台，再运行.py 文件，控制台右侧即可显示每个变量的数值。

最后，检测 PyCharm 有无连接 GPU 版本的 PyTorch。