Anaconda安装及配置（CPU/GPU）pytorch深度学习环境（超详细！！！）
编程如画，我是panda！
这次给大家带来一期Anaconda安装及配置pytorch深度学习环境的教程，超级详细，点赞收藏加关注，以防走失~
文章目录
前言
一、Anaconda的下载与安装
1.Anacondad是什么？与python有什么关系
2.下载Anaconda
2.1. 进入Anaconda官网
2.2. 安装Anaconda
2.3. 验证Anaconda
二、检查是否有Nvidia显卡
三、安装CPU环境的pytorch
1.创建虚拟环境
2.进入虚拟环境
3.删除虚拟环境
4.安装CPU环境的pytorch
4.1. 进入Pytorch官网
4.2. 安装Pytorch
4.3. 验证Pytorch
5.安装其他版本的Pytorch
四、安装GPU环境的pytorch
1.创建虚拟环境
2.进入虚拟环境
3.删除虚拟环境
4.安装GPU环境的pytorch
4.1. 确定自己显卡的算力
4.2. 确定CUDA runtime
4.3. 确定CUDA驱动版本
4.4. 进入Pytorch官网
4.5. 安装Pytorch
4.6. 验证Pytorch
5.安装其他版本的Pytorch
五、Anaconda与Pycharm 配置
总结
前言
深度学习越来越火啦，深入到各行各业，panda个人也对深度学习很感兴趣，再加上之前导师让我去配一下Pytorch深度学习环境，所以觉得有必要出一期教程。
当时在配这个东西的时候，踩了很多坑，配了好久，Anaconda删了又下，下了又删。。。太难受了，为了不让小伙伴们踩坑，我为大家准备了超级详细的教程！希望大家喜欢~
提示：在配好环境以后，推荐Pytorch与PyCharm或VSCode搭配使用效果更好，如果还没有安装好PyCharm或VSCode，panda之前出过教程，可根据教程一步一步安装。
传送门：
python安装及pycharm环境搭建汉化（保姆级教程）-CSDN博客
vscode安装+汉化+配置C/C++环境（保姆级教程！）-CSDN博客
一、Anaconda的下载与安装
1.Anacondad是什么？与python有什么关系
Anaconda是一个专注于数据科学和机器学习的开源发行版，内置了丰富的工具和库，包括Python解释器、NumPy、SciPy、Pandas、Scikit-learn、TensorFlow等，使用户能够轻松进行科学计算和数据分析。其强大的包管理器conda简化了软件包的安装和环境管理，同时提供了灵活的虚拟环境支持，使用户能够隔离和管理不同项目的依赖关系。Anaconda的综合性和易用性使其成为数据科学和机器学习领域的首选工具。
Anaconda可以看成是一个教学楼，教学楼里有很多教室，每个教室互不影响，但是都有Python，版本可以相同也可以不同，这就是多个python共存，然后每个教室里面可以有不同或相同的深度学习框架用来完成不同的任务，每个教室互不影响，每个教室就代表着每一个“环境”。
2.下载Anaconda
2.1. 进入Anaconda官网
官网：Anaconda | The World’s Most Popular Data Science Platform
下载地址：Free Download | Anaconda
直接点击Download即可：
2.2. 安装Anaconda
打开下载好的文件：
点击next
点击I Agree：
下一步是指你要为谁安装Anaconda， 如果你的计算机只有你一个用户，那么这两个选哪个都无所谓，但是有多个用户的话，如果选下面的选项，会为所有用户均安装Anaconda。
这里建议不要安装在C盘，毕竟挺大的......（更改的路径要确保你的路径是全英文！！！）
选择下列选项，然后下载：（也可以选择默认的）
等待安装完成：
完成后点击next， 然后两个选项都不选：
2.3. 验证Anaconda
打开Anaconda Navigator，如果有base环境说明你的Anaconda安装好了：
二、检查是否有Nvidia显卡
按住Ctrl+Shift+Esc调出任务管理器，找到性能，查看你的GPU，如果有NVIDIA说明你的显卡是英伟达显卡：
有英伟达显卡的话直接看GPU版本的教程，没有的话直接看CPU版本的教程
三、安装CPU环境的pytorch
1.创建虚拟环境
首先打开Anaconda的命令行：
创建虚拟环境命令格式：
conda create -n 环境名 python=版本号
比如我创建的存放cpu版本pytorch的conda为：
conda create -n cpupytorch python=3.9
大家可以根据自己的需要去下载，输入命令后点击回车，然后输入y，回车：
下载完成！
2.进入虚拟环境
输入conda activate 环境名:
前面的括号里面的东西代表你现在处于哪个虚拟环境。
3.删除虚拟环境
如果你发现你的环境下错了，想删除这个环境，可以使用这句话：
conda remove -n 环境名 --all
4.安装CPU环境的pytorch
4.1. 进入Pytorch官网
进入官网以后往下滑，找到命令：
直接复制命令
conda install pytorch torchvision torchaudio cpuonly -c pytorch
4.2. 安装Pytorch
打开anaconda命令行窗口，进入到你的虚拟环境中，输入命令：
然后输入y，等待下载完成：
如果你觉得下载速度慢可以使用清华的镜像源安装（要么从清华的镜像源下载要么就从官网下载，二者选一个就好）：
清华镜像源：Index of /anaconda/cloud/pytorch/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
找到适合你的镜像，点进去：
然后复制网址： 
把命令改成：
conda install pytorch torchvision torchaudio cpuonly -c 刚才复制的链接
然后输入命令等待下载完成。
4.3. 验证Pytorch
进入你的虚拟环境，输入conda list：
如果有Pytorch说明安装成功：
另一种方法：
在虚拟环境的命令行中输入python，然后输入import torch，等待导入完成，然后输入torch.cuda.is_available()，如果出现False，说明安装成功！
5.安装其他版本的Pytorch
如果你有安装其他版本Pytorch的需要，请继续往下看，如果没有，跳过即可。
进入官网，找到Get Started：
找到先前版本：
选择你想下载的版本号，找到对应的命令下载即可：
四、安装GPU环境的pytorch
1.创建虚拟环境
首先打开Anaconda的命令行：
创建虚拟环境命令格式：
conda create -n 环境名 python=版本号
比如我创建的存放gpu版本pytorch的conda为：
conda create -n gpupytorch python=3.9
大家可以根据自己的需要去下载，输入命令后点击回车，然后输入y，回车：
下载完成！
2.进入虚拟环境
输入conda activate 环境名:
前面的括号里面的东西代表你现在处于哪个虚拟环境。
3.删除虚拟环境
如果你发现你的环境下错了，想删除这个环境，可以使用这句话：
conda remove -n 环境名 --all
4.安装GPU环境的pytorch
4.1. 确定自己显卡的算力
进入网站：CUDA GPU - 计算能力 |NVIDIA 开发者
找到自己的显卡，例如：打开任务管理器：
确定显卡为英伟达GeForce系列的笔记本系列RTX4060（Laptop）
然年后进入网站找到对应版本：
查询到算力为8.9，也可以去这个网站查询：CUDA - Wikipedia
4.2. 确定CUDA runtime
在这张表中，找到你的算力可以匹配到哪个SDK，比如我的是8.9，就适合11.8和12.0-12.3
这张表的出处：CUDA - Wikipedia
打开网页后，直接按住Ctrl+F搜索GPUs supported就能看到。
4.3. 确定CUDA驱动版本
按住Win+r输入cmd打开命令行，输入nvidia-smi：
如果不显示此界面，请先更新显卡驱动，官网：官方驱动 | NVIDIA
选择符合自己电脑配置的版本，然后安装即可：
4.4. 进入Pytorch官网
进入官网以后往下滑，找到命令：
下方的Compute Platform选取规则：
参考：23. GPU版本-GPU与CUDA准备工作_哔哩哔哩_bilibili或者根据我下面说的也行
在4.3查询到的CUDA驱动版本为12.1，那么4.2查询到的适用版本就要小于等于12.1，即适用于11.8和12.0-12.1。
所以我选取CUDA11.8版本（我的选取12.1也可以），每个人要根据自己的电脑配置不同选取不同的命令。
直接复制命令
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
4.5. 安装Pytorch
打开anaconda命令行窗口，进入到你的虚拟环境中，输入命令：
然后输入y，等待下载完成：
如果你觉得下载速度慢可以使用清华的镜像源安装（要么从清华的镜像源下载要么就从官网下载，二者选一个就好）：
清华镜像源：Index of /anaconda/cloud/pytorch/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
找到适合你的镜像，点进去：
然后复制网址：
把命令改成：
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c 刚才复制的链接
然后输入命令等待下载完成。
4.6. 验证Pytorch
进入你的虚拟环境，输入conda list：
如果有Pytorch说明安装成功：
另一种方法：
在虚拟环境的命令行中输入python，然后输入import torch，等待导入完成，然后输入torch.cuda.is_available()，如果出现True，说明安装成功！
5.安装其他版本的Pytorch
如果你有安装其他版本Pytorch的需要，请继续往下看，如果没有，跳过即可。
进入官网，找到Get Started：
找到先前版本：
选择你想下载的版本号，找到对应的命令下载即可：
五、Anaconda与Pycharm 配置
前面我们已经将Anaconda安装好，并且已经进行了Pytorch深度学习环境搭建（CPU/GPU），但是我们需要一个编辑器能够帮我们写代码，进行代码管理。这里推荐Pycharm，Pycharm的安装之前出过教程，没有安装好的可以看一下我之前的博客。如果需要专业版或者安装不好寻求帮助，可以私聊我。
首先，打开Pycharm，新建项目：
这里需要注意的比较多：
- 名称随便取，位置的话不建议带中文路径，后续可能会出现问题
- 下方选择自定义环境
- 然后选择“Select existing”
- 类型选择Conda
- Path to conda 找到你的Anaconda的下载路径，然后找到condabin文件夹，选择的conda.bat文件
- 下方环境会出现你已经在conda中创建好的虚拟环境，默认是base虚拟环境
然后点击创建即可。
总结
OK，至此，相信各位已经搭建起来了自己的Pytorch深度学习环境了，大家可以开启深度学习之旅了~如果你喜欢panda的教程，希望点赞收藏加关注哦！
后续预告：有些小伙伴没有NVIDIA的显卡，但是使用CPU又很慢，所以我会出一期GPU服务器的使用教程，并且跑通运行案例~