如何搭建anaconda+pycharm+pytorch環境

本篇文章給大家分享的是有關如何搭建anaconda+pycharm+pytorch環境，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

本文將詳細介紹一下如何搭建深度學習所需要的實驗環境.
這個框架分為以下六個模塊

顯卡

簡單理解這個就是我們常說的GPU,顯卡的功能是一個專門做矩陣運算的部件,用于顯示方面的運算,現在神經網絡中絕大操作都是對矩陣的運算,所以我們當然可以將顯卡的矩陣運算功能應用起來,來提高計算速度.

驅動

通常指NVIDIA Driver，其實它就是一個驅動軟件，而前面的顯卡就是硬件

cuda

cuda是一個擴展包,能夠使得使用GPU進行通用計算變得簡單和優雅,它本質上是一套指令集,我們通過這個指令集來使用顯卡的矩陣運算操作;

Q:如何查看顯卡支持的cuda的最高版本?

anaconda

1. 下載安裝

下載官網：https://www.anaconda.com/

選擇與系統位數對應的安裝包下載即可。

Anaconda占用空間較大，建議選擇一個空閑的磁盤專門用來放Anaconda。

勾選添加環境變量

2. 安裝pytorch虛擬環境

創建一個虛擬環境：conda create -n torch(虛擬環境名) python = 3.7

此步驟 若出現以下情況：

解決方法：
在創建新的虛擬環境前先輸入以下命令。

conda config --add channels conda-forge
conda config --set channel_priority strict
conda config --set channel_priority flexible

這個路徑下存放的就是我們創建好的虛擬環境，torch文件夾下存放的就是我們在該環境下安裝的一些包等等。

激活并進入該環境：conda activate torch

激活環境前處于“大廳”位置（base），在激活torch環境后，我們可以看到已經進入了我們剛才新建的torch環境下（torch）。

查看該環境下裝了哪些工具包：conda list

下載pytorch：conda activate torch

下載官網：https://pytorch.org/

進入pytorch官網選擇對應的一些選項，在最后一行會生成與之相對應的代碼行，復制到終端窗口執行即可。

該命令行表示從pytorch下載前面四個工具包。

Q：如何解決下載速度過慢的問題？

由于這些網站的服務器都在國外，我們下載的話速度會非常慢，為了解決這個問題，國內有些大佬做了鏡像網站，一段時間會專門去更新一次，所以換到鏡像網站下載速度會大大提升。

清華源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls true

中科大源：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

本次安裝我們換清華源

換源后查看一下是否換源成功，channels表示下載通道，其中的網址都是清華源的網址，說明換源成功。

換掉原本的下載指令，去掉后面的 -c pytorch，表示從當前的清華源下載。

以下我們的pytorch虛擬環境以及一些工具包已經裝好了。

退出當前虛擬環境，回到大廳：conda deactivate

查看當前anconda中都有哪些虛擬環境：conda info -e

表示此時處于大廳位置。

在pytorch環境下編寫測試代碼

首先進入pytorch虛擬環境

輸入命令行import torch，若出現以下標志，說明pytorch已經安裝好。

3. conda常用指令

 創建一個虛擬環境

conda create -n torch[虛擬環境名]  python = 3.7

激活并進入該環境

conda activate torch

查看該環境下裝了哪些工具包

conda list

退出當前虛擬環境，回到大廳

conda deactivate

查看當前anconda中都有哪些虛擬環境

conda info -e

刪掉該環境中的所有內容，并且銷毀該環境

(base) conda remove -n torch --all

pycahrm / jupyter

下載安裝

下載社區版的pycharm，修改安裝路徑為空閑磁盤。沒有什么需要特別注意的，直接下一步即可。

如何建好的虛擬環境的解釋器找出來指派給代碼？

我們可以創建多個虛擬環境，比如tensorflow,pytorch等，在用不同的框架時通過下面的設置切換到不同的虛擬環境即可。也有人會把所有的框架等裝到一個虛擬環境中，當然理論上也是可以的，只是不方便管理，而且同一個虛擬環境下是不允許安裝同一個工具的不同版本，這就非常不利于我們后續的學習。
具體操作如下：

pycharm中運行以下代碼測試，若出現以下結果，說明環境搭建完成。
如果下圖第二行顯示為false，有可能是電腦顯卡不支持cuda，只需刪除該虛擬環境，重新下載cpu版本的pytorch即可。

import torch

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

x = torch.randn(1)
if torch.cuda.is_available():
    device = torch.device("cuda")
    y = torch.ones_like(x, device=device)
    x = x.to(device)
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))

以上就是如何搭建anaconda+pycharm+pytorch環境，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。