miniconda+VSCode深度学习环境配置(小白教程一)

1.安装cuda

使用win+r快捷键打开运行窗口,输入cmd调出命令提示符,在命令提示符窗口中输入以下命令查看自己的电脑支持的最高cuda版本。

nvidia-smi

在这里插入图片描述链接1:https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local
链接2:https://pan.quark.cn/s/cbca57d80bf8
在这里我安装的版本为cuda12.6.3,安装路径默认即可,安装时选择精简即可。

在这里插入图片描述

2.安装miniconda

 链接1: https://wwnr.lanzouv.com/imqTK2j6oeyf .  密码:bynf
 链接2: https://repo.anaconda.com/miniconda/.选择自己想要的版本
Alt

  Miniconda3-py39_24.11.1-0-Windows-x86_64.exe

名称解释
Miniconda3-py39_24.11.1-0-Windows-x86_64.exe
Miniconda3软件名称
pyxx表示 Python 的版本,例如:py39 指 Python 版本为 3.9
24.11.1-0版本号,通常用于表示软件的具体发布版本
Windows-x86_64.exe适用于32位或者 64 位 Windows 操作系统

这里下载的python版本并不重要,miniconda只是个管理python环境的工具,后面环境需要什么版本的python可以指定
安装miniconda
在这里插入图片描述

在这里插入图片描述
 如果电脑只有自己一个账户, 为所有用户安装仅为自己安装选哪个都一样。

安装路径一定不要有中文

在这里插入图片描述
点击安装 等待安装完成。
在这里插入图片描述

将miniconda安装路径添加到系统环境变量中

win+R 输入 rundll32 sysdm.cpl,EditEnvironmentVariables打开环境变量打开环境变量在这里插入图片描述
找到系统变量中的Path在这里插入图片描述
点击新建 添加以下三行之后,在点击确定
在这里插入图片描述

3.安装VSCode

链接:https://code.visualstudio.com/.
在这里插入图片描述
安装VSCode
在这里插入图片描述
根据自己的需要选择是否需要创建桌面快捷方式。不选可以在开始菜单中找到。点击下一步等待安装完成并运行。
在这里插入图片描述

VSCode汉化

点击扩展–>搜索Chinese–>安装。
在这里插入图片描述
安装完成点击右下角提示的重新启动
在这里插入图片描述
重启之后就变成中文的版本了 然后点击扩展–>搜索python–>安装python插件
在这里插入图片描述
到这里环境就配置完成了。

miniconda创建虚拟环境

方法一:打开右下角开始菜单 找到刚刚安装的Anaconda Prompt

在这里插入图片描述方法二:在VSCode中找到终端–>新建终端。
在这里插入图片描述
在这里方法一和方法二的作用相同,可以根据自己喜好选择

  选择方法二出现的问题:不显示当前环境名称
在这里插入图片描述
解决办法:重新以管理员身份运行VSCode
在这里插入图片描述
复制以下三条命令在终端中回车输入:出现RemoteSigned,重新打开终端会看到 (base)


conda init
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned
Get-ExecutionPolicy

在这里插入图片描述

  base是主环境,一般不在主环境中安装python依赖包,需要用miniconda针对不同的项目创建不同的虚拟环境。避免不同项目的python依赖包版本不匹配无法正常使用。

在终端中输入以下命令创建虚拟环境
  conda create -n xxx python==3.x ,在这里python版本可以是3.8也可以是3.10,可以根据自己的需要来进行创建 比如在这里我创建一个名为test,python版本为3.9的虚拟环境
方法一:
  第一步

conda create -n test python==3.9 

  第二步输入 y
在这里插入图片描述
方法二:直接一步到位

conda create -n test python==3.9 -y

在这里插入图片描述
  输入以下命令查看自己创建的虚拟环境

conda env list

在这里插入图片描述
  带 * 的为当前激活的环境
激活自己创建的虚拟环境 输入以下命令

conda activate test

在这里插入图片描述
成功激活后 () 中的环境名会变为你激活的虚拟环境名。
以下为常用的命令,没有python基础的建议百度搜索python菜鸟教程

#返回主环境
conda activate base
#移除虚拟环境
conda remove --name <env_name> --all
#查询python包命令
pip list
#pip通道安装命令
pip install xxx#比如安装numpy就是pip install numpy,
#安装多个包用空格隔开,比如安装numpy和pandas
pip install numpy pandas
### 配置VSCode用于深度学习Python环境 #### 下载与安装VS Code 确保已成功下载并安装Visual Studio Code (VS Code)[^1]。访问官方网站获取最新版本,按照对应操作系统的指南完成安装过程。 #### 安装必要的扩展 为了更好地支持Python编程,在VS Code中需安装Python官方插件[^2]: ```json { "recommendations": [ "ms-python.python" ] } ``` 此插件提供 IntelliSense、linting、调试等功能的支持。 #### Python解释器的选择 选择合适的Python解释器对于构建深度学习项目至关重要。推荐使用Anaconda发行版中的Python解释器,因为其内置了许多科学计算库以及管理工具如`conda`来简化依赖项处理流程。 通过命令面板(`Ctrl+Shift+P`)输入 `Python: Select Interpreter` 来选取所需的解释器版本。如果之前已经安装了Anaconda,则应该可以在列表里看到由它所提供的选项。 #### 创建和激活Conda虚拟环境 创建个新的Conda环境可以隔离不同项目的包依赖关系,防止冲突发生。执行如下终端指令以建立专属于当前工作的环境,并指定所需的基础软件集合: ```bash conda create --name myenv python=3.8 conda activate myenv ``` 接着可以通过同样的方式在VS Code内部打开集成终端来进行上述操作;也可以直接利用图形界面内的功能按钮快速切换至新近生成的工作区专属环境之下工作。 #### 安装必需的数据科学库 针对深度学习任务而言,通常还需要额外引入些特定框架及其配套组件,比如TensorFlow或PyTorch等。这步骤同样借助于`pip`或者更倾向于采用`conda install`的形式完成,具体取决于个人偏好及实际需求情况而定。 例如要安装最新的稳定版PyTorch加上CUDA加速特性的话,可参照官方文档给出的方法之进行部署: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 以上步骤完成后即意味着已经在VS Code内搭建好了个初步具备开展深度学习研究能力的技术栈平台。
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