深度学习环境搭建指南
硬件要求
在开始之前，建议先了解设备配置。主要关注处理器（CPU）、内存（RAM）和显卡（GPU）。
CPU
高校学习或入门实验，Intel Core i7/i9 系列（如 i7-12700K 以上）或 AMD Ryzen 7/9 系列（如 Ryzen 7 5800X 以上）即可满足大多数需求。若使用双卡或多卡工作站，建议选择 i9 或同级别 CPU 以避免瓶颈。不建议仅使用 CPU 跑深度学习相关实验。
内存
建议不低于 4GB，有条件至少 16GB，32GB 或 64GB 更稳妥，可流畅处理大规模数据集。
GPU
强烈推荐 NVIDIA 显卡，显存不低于 2GB。起步建议 NVIDIA GeForce RTX 3060（显存 8GB/12GB）或 TITAN RTX（显存 24GB）。NVIDIA GPU 通过 CUDA 和 cuDNN 库获得最佳支持。
操作系统
主流操作系统包括 Windows、macOS、Linux。建议使用近 3 年新版本，例如 Windows 10、Windows 11。不建议使用 Windows 7、XP 等老旧版本。
Windows
Windows 10/11 提供广泛软件兼容性，适合个人电脑和企业办公。
macOS
基于 UNIX 系统特性，原生支持命令行模式，较少受到病毒攻击，逐步向 ARM 架构过渡。
Linux
免费使用和自由传播的类 UNIX 操作系统，性能稳定，发行版众多（如 Debian, Ubuntu, CentOS），是服务器端首选。
开发环境与工具
推荐使用 Anaconda 管理 Python 环境，PyCharm 编写代码，Python 为开发语言，PyTorch 为神经网络框架，CUDNN 优化计算效率。
Anaconda
Anaconda 集成 conda 包管理器及 Python，支持虚拟环境隔离。
# 查询 conda 版本
conda --version
# 更新 conda
conda update conda
# 创建新虚拟环境
conda create --name jupyter_venv python=3.10
# 激活虚拟环境
conda activate jupyter_venv
# 退出当前虚拟环境
conda deactivate
# 安装包
conda install numpy
# 清理缓存
conda clean -y--all
PyCharm
Python IDE，支持调试、语法高亮、项目管理等功能。社区版永久免费。
常用快捷键：
- 重新格式化代码：
Ctrl + Alt + L - 快速注释：
Ctrl + / - 运行程序：
Shift + F10
Python
解释型、面向对象的高级程序设计语言。目前主要使用 Python 3.x 版本。
PyTorch
开源深度学习框架，由 Facebook 发布，支持动态计算图，科研领域市场占有率高。 官方文档：https://docs.pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html
