PyTorch深度学习环境配置(3)——为PyCharm配置新建的虚拟环境

1️⃣打开PyCharm的设置,搜索python➡️添加解释器

2️⃣这里主要设置Conda环境

注意:使用新版PyCharm,点击Conda可能会出现【找不到Conda可执行文件】

解决办法:

1、找到你安装的虚拟环境的目录,复制其中conda.bat文件到Conda可执行文件,然后点击【加载环境】➡️【使用现有环境】➡️【选择你的虚拟环境名称】➡️【确定】

这样就可以检测出python解释器了。【点击应用】➡️就会加载包

2、有可能上述方法你行不通,那么可以直接在这里找到,并设置

3️⃣新建一个项目,测试是否成功

⚠️注意:选择解释器时要选择自己在上述配置的python环境【参考如下】

OK👌

### 关于配置支持GPU的深度学习环境 #### 使用 Anaconda 和 PyCharm 构建 GPU 支持的深度学习开发环境 为了构建一个能够充分利用 NVIDIA GPU 的深度学习开发环境,可以按照如下方法操作: #### 准备工作 确保计算机已安装适用于 Windows 或 Linux 的最新版本 NVIDIA 显卡驱动程序[^2]。 #### 安装 Anaconda 下载并安装适合操作系统版本的 Anaconda 发行版。Anaconda 是 Python 数据科学平台的一部分,它包含了 Conda 软件包管理器以及众多预编译好的库文件,这使得创建独立的工作空间变得简单快捷[^1]。 #### 创建新的 Conda 环境 通过命令行工具打开终端窗口,并执行以下指令来建立一个新的 conda 环境: ```bash conda create --name pytorch_env python=3.8 ``` 激活新创建虚拟环境: ```bash conda activate pytorch_env ``` #### 安装 CUDA 和 cuDNN 对于希望利用 GPU 加速计算的应用来说,在此之前还需要先设置好相应的 NVIDIA 开发套件——即 CUDA Toolkit 及其配套组件 cuDNN。可以通过官方渠道获取这些资源,并遵循特定的操作指南完成本地化部署过程。 #### 安装 PyTorch (含 GPU 版) 一旦上述准备工作就绪,则可通过 pip 或者 conda 来安装带有 GPU 支持功能的 PyTorch 库。推荐采用 pip 方式来进行这项任务,因为这样可以获得更灵活的选择范围: ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` 注意这里的 `cu113` 表示所使用的 CUDA 工具链的具体版本号;实际应用时应根据自己电脑上已经成功安装的那个版本来做相应调整。 #### 设置 IDE - PyCharm 最后一步就是把整个项目导入到集成开发环境中去。启动 PyCharm新建工程并将源码目录关联进来即可开始编写代码了。记得要指定刚才创建出来的那个 conda environment 作为解释器哦!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值