【教程】Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南
Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南
给本科生写的新手教程，遇到很多新手的共性问题，可供大家参考。在开始阅读之前，请注意两个要关键：1.为什么要使用Conda而不在本地直接安装Python，体会Conda带来的区别和优势。2.明确CUDA版本和torch-gpu版的兼容情况。
文章目录
- Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南
-
- 1. Conda介绍与安装
-
- 1.1 Conda简介
- 1.2 为什么要使用Conda？
- 1.3 Anaconda vs. Miniconda
- 1.4 Windows下Miniconda安装与配置
-
- 过程
- 验证
- 1.5 Conda基本使用
- 1.6 Pycharm集成Conda
- 2. Pytorch安装
-
- 2.1 Pytorch简介
- 2.2 Conda安装Pytorch
-
- 2.2.1 CPU版本安装：
- 2.2.2 GPU版本安装
- （1）确定本机的独立显卡、CUDA驱动版本和CUDA版本
- （2）确定本机的CUDA支持的torch-gpu版本和CUDA Toolkit版本
- 2.3 本地Python直接安装
- 2.4 验证
1. Conda介绍与安装
1.1 Conda简介
Conda是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。是最流行的Python环境管理工具。
1.2 为什么要使用Conda？
考虑下图的场景，三个项目，使用了三种不同的Python和依赖包（特别是在做深度学习相关研究的场景下，需要复现其他论文的代码工作进行对比试验，不同版本的库很可能存在许多冲突），如果你在本地直接安装Python，会产生冲突。难道我们要先创建项目A的环境运行项目A，然后卸载该A环境再创建项目B的环境运行项目B…
但是如果使用Conda，就可以通过Conda，在本地同时创建多个Python环境，并在它们之间轻松切换，每个环境都是独立的，不会影响其他环境。
1.3 Anaconda vs. Miniconda
是Conda的两种发行版，Anaconda比较繁杂笨重，miniconda比较干净轻量。
Anaconda是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，就是把很多常用的不常用的库都给你装好了。
Miniconda，顾名思义，它只包含最基本的内容—python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。就只包含最基本的东西，其他的库得自己装。
建议使用Miniconda，已装了Anaconda的同学可以无视。
1.4 Windows下Miniconda安装与配置
本地直接安装的Python的同学，如果想换Miniconda，直接把本地的Python直接卸载，如卸载，记得将原本配置的Python环境变量删除，否则系统会默认原来的路径，执行某些命令产生错误。
过程
- 从Miniconda官网下载安装包，如图所示，该选项会默认安装一个对应Python版本作为base环境；
- 一路Next和Agree，直到让你Select Installation Type，
- 这时候建议选择Just Me，对于有多个硬盘的同学，如果选择All User，后面创建环境会默认创建到C盘，
即出现如下情况（pytorch环境装到了C盘，我们大多数人不希望把它装到系统盘）；
-
选择你想要安装的目标路径（我这个演示电脑只有一个C盘），然后继续Next；
-
建议只勾选✔第一个和第三个（创建快捷方式；我们自己添加环境变量以避免带来一系列未知冲突；将base环境的python设置为本机的默认Python；
-
可以都不用勾选；
-
配置环境变量。在系统环境变量的PATH变量中，根据你在本地安装Miniconda的路径，添加如下三个环境变量：
- 理论上已经安装成功。
验证
- 打开cmd终端命令提示符，直接输入命令：conda，出现如下信息即表示安装成功；
-
直接输入命令：python，进入python解释器，会显示默认的base环境的Python版本相关信息。
1.5 Conda基本使用
-
初始化，第一次在本机安装Conda的同学可能会遇到如下问题：
You may need to close and restart your shell after running ‘conda init’.
此时，输入如下命令执行，然后关闭终端命令行窗口重新打开即可。
conda init cmd.exe
-
创建环境：py39test是环境名，请自行定义，python=3.9表示在本环境中安装Python3.9，根据自己的需求自行更改。
conda create -n py39test python=3.9 -
激活环境（即进入某个环境），进入该环境后才能对该环境进行操作。
conda activate py39test -
退出环境
conda deactivate -
删除环境，指定环境名进行删除。
conda remove -n py39test --all -
查看环境
conda env list可见当前conda中存在base和py39test两个环境
-
进入某一环境后，在当前环境安装其他库与使用pip相似，如：
conda install pandas当然，也可以在当前环境直接使用pip进行安装，二者一般被认为是几乎相同的。conda存储库中提供了1500 多个包，但与PyPI上提供的超过150000个软件包相比，它仍然很小，因此，很多时候所需要安装的包只能通过pip安装。
-
更换下载源
这一步做不做都行。因为conda默认使用官方源进行下载，速度会相对慢，特别是像Pytorch这样很大的包，可以更换成国内源加速下载，如清华镜像源。
- Windows 用户无法直接创建名为
.condarc的文件，可先执行conda config --set show_channel_urls yes生成该文件之后再修改。该文件自动生成在C盘-用户-用户名下。
-
打开.condarc文件后，将内容重置为（注意格式）：
show_channel_urls: true channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ ssl_verify: true -
然后运行
conda clean -i清除索引缓存，保证用的是镜像站提供的索引。 -
后续如果要使用清华源进行下载，需要将命令最后的’-c pytorch’参数去掉。
- Windows 用户无法直接创建名为
-
更多conda命令请自行百度。
1.6 Pycharm集成Conda
在Pycharm中如何使用Conda环境的Python解释器呢？
- 打开项目，点击File->Settings，搜索找到Python Interpreter，在右侧点击Add Local Interpreter…如图所示：
- 选择Conda Environment，将Conda executable的路径设置为MinicondaScripts下的conda.exe文件的路径，然后点击右侧的Load Environments，加载Conda环境列表。（注意不要选择Virtualenv Environment，会自己创建Pycharm自带的虚拟环境）
- 注意，点击Use existing environment，选择一个现有的Python环境作为当前项目的运行环境，Miniconda3即为base环境，但是也不建议直接使用base环境，这里我选择py39test。点击OK，成功，可以自行运行代码测试一下。
- 这里如果没找到，请在interpreter那一行，右边有个三点，自行找到你安装的虚拟环境路径，添加该环境下的python解释器。
Conda自带的默认的base环境的解释器就在安装Conda的根目录下：
其余环境在envs文件夹下；
进入某个环境文件下，选择该解释器的路径，即可在Pycharm中使用该虚拟环境。
如图所示：
2. Pytorch安装
2.1 Pytorch简介
一个当前学术界最流行的简洁、快速、高效、易用、生态丰富的开源深度学习框架，基于Python，支持GPU加速计算。
2.2 Conda安装Pytorch
- 注意，安装之前，请先明确你要在哪个环境下安装Pytorch，先激活（conda activate xxx）进入该环境，才能在该环境下安装该库，否则，会默认安装在base环境下。（打个比方，每个环境就像一个独立的房间，对其他房间不会有任何影响，你要先进入房间，才能对该房间进行任何操作，并且你的这些操作就不会影响其他房间。）
- 激活进入py38test环境，在该环境安装pytorch，不会影响到其他环境。
- 激活以后，终端命令行左边就会带（当前环境名），如下图所示，我已进入本机conda的py38test环境下：
打开Pytorch官网，根据需要PyTorch版本、你的操作系统、Conda/Pip（没有Conda的直接使用pip）、语言、计算平台选择指令，官网页面只提供最新的版本安装指令。
点击Install previous versions of PyTorch可以查看过去已发布的Pytorch版本安装指令（建议到这里面找，）。
- 注意，官网提供的最新的pytorch1.13版本的安装指令有个小错误：
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -nvidia
最后的’-nvidia前面少了个-c’，更改为
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c -nvidia
此外，Python和Pytorch版本存在对应关系，具体可以查看：torch/torchvision/python版本对应关系。根据下图，建议不使用过高或者过低的Python版本，就可以兼容大多数Pytorch版本。
2.2.1 CPU版本安装：
本机没有NVIDIA独立显卡的同学只能安装CPU版，必须是NVIDIA，而且是独显，集成显卡也不行。
命令：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
- 使用清华源的同学，就要去掉最后的’-c pytorch’才能从清华源下载，该参数表示从pytorch官网下载。
- 此外，该命令默认同时安装最新的pytorch和torchvision、torchaudio，大家可以根据自己的需求指定版本（应该是指定pytorch版本即可，torchvision和torchaudio都依赖pytorch，且存在版本依赖，会自动安装当前pytorch支持的最高版本）。
再如，我们指定pytorch版本为1.9.0，torchvision为0.10.0，不安装torchaudio：
conda install pytorch==1.9.0 torchvision==0.10.0 cpuonly -c pytorch
2.2.2 GPU版本安装
安装GPU版的Pytorch，首先需要有NVIDIA独立显卡和CUDA驱动，驱动一般都装好了（没有自行百度），然后需要安装CudaToolKit。NVIDIA CUDA Toolkit是一个专业的CUDA工具包，为用户提供了专业的开发环境，创建经GPU加速的高性能应用。（大概意思就是有CUDA Toolkit你才能使用GPU加速神经网络。）
（1）确定本机的独立显卡、CUDA驱动版本和CUDA版本
打开终端cmd，命令：
nvidia-smi
（2）确定本机的CUDA支持的torch-gpu版本和CUDA Toolkit版本
原则：驱动是向下兼容的，其决定了可安装的CUDA Toolkit的最高版本。官方推荐的cuda版本为10.2和11.3，这两种 cuda 支持大多数的 pytorch 版本。但是，请注意，有些同学的显卡比较老了，如果是CUDA是10.2，最高只能支持到torch-gpu的1.10.0版本，也就是说CUDA10.2安装不了torch-1.10.0以上的GPU版本，但是CPU版本可以，只要你的python版本符合要求。
- 具体可以参考这篇文章：PyTorch、CUDA Toolkit 及显卡驱动版本对应关系
例如，我的NVIDIA驱动版本是516.59，根据下图，我可以装的CUDA Tookit的最高版本是11.7，并且向下兼容可以安装10.1~11.7的全部版本。
- 这时候如果我想安装Pytorch1.12.1的话，根据官网提供的命令，可以是：
# CUDA 11.3
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch
也可以是：
# CUDA 11.6
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge
2.3 本地Python直接安装
这一步是针对不安装Conda的同学的。
-
CPU版直接使用pip命令安装对应版本；
-
GPU版根据CUDA驱动版本，直接pip安装，和conda其实是异曲同工的，一般是在安装时加上’torch==xxx+cuxxx’这样的参数，具体请查看官网命令。
如：(显然，如果你进入conda环境后，也可以使用下列命令安装torch-gpu版，因为我们在前面说过，conda环境下使用conda install和pip install是基本一样的，只是拉取这些库的源不同，请仔细体会conda的作用。)
# CUDA 11.6
pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu116
# CUDA 11.3
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
# CUDA 10.2
pip install torch==1.12.0+cu102 torchvision==0.13.0+cu102 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu102
# CPU only
pip install torch==1.12.0+cpu torchvision==0.13.0+cpu torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cpu
2.4 验证
import torch
print(torch.cuda.is_available())
# 如果成功安装了CPU版本，会输出False
# 如果成功安装了GPU版本，会输出True，集成显卡也会输出True，但是用不了。
# 没有报错即安装成功。