【深度学习环境的配置】

深度学习环境的配置

1.安装Anaconda

首先在计算机中安装Anaconda软件，等安装完成后，计算机上就有了图上的Base虚拟环境。在这个Base虚拟环境中，有着Python解释器，conda/pip 和 一些库。Python解释器是用来将我们写的Python代码翻译成计算机能够懂得语言，让计算机运行起来。conda和pip是安装库Package的工具。而库Package就是一些工具或者类似于模板，能够让我们能够更好更快地完成一些特定领域的代码书写。

2.创建虚拟环境

利用conda指令创建一个新的虚拟环境。在安装完Anaconda之后，我们就可以使用conda指令。我们一般希望创建属于自己的虚拟环境。有的时候，我们不同的项目会用到不同的环境。比如项目A需要用到PyTorch1.6的版本，项目B需要用到PyTorch1.8的版本。如果我们创建一个名为ProjectA的虚拟环境，在其中安装PyTorch1.6的版本。然后创建一个名为ProjectB的虚拟环境，在其中安装PyTorch1.7的版本。这样，我们在想用到不同PyTorch版本的时候，只需要切换到不同的虚拟环境就行了，省去了重复的卸载安装步骤。在创建新的虚拟环境的时候，我们可以指定虚拟环境中Python解释器的版本。当我们新的虚拟环境创建好之后，新的虚拟环境中就有了对应的Python解释器，conda和pip指令。

3.安装pytorch

利用conda或者pip指令来安装PyTorch库。大家常用的PyTorch是Python中的库。这一步，是整个安装过程中最重要的一步。大家也需要理解，PyTorch其实就是一个Python库。在安装PyTorch的时候，我们需要根据自己电脑上是否有对应的能够支持深度学习加速的显卡。目前，能够支持深度学习运算的显卡主要就是英伟达（NVIDIA）品牌的显卡和Apple M系列芯片。如果有对应的显卡，我们就可以安装GPU版本的PyTorch。如果没有对应的显卡，我们安装CPU版本的PyTorch即可。

4.安装pycharm

安装与配置PyCharm。PyCharm是我们编写Python代码的软件。有了PyCharm，我们可以更容易地编写，运行，调试Python代码。同时我们还需要在PyCharm中进行一系列配置，主要配置的是PyCharm在运行代码的时候，应该使用哪个虚拟环境。