bobozai86的博客

官网：https://cherry-ai.com/支持平台：Windows / macOS / Linux免费开源你可以在官网直接下载并安装Cherry Studio。下载安装Cherry Studio之后，你便可以在这一个工具中，配置和使用多个AI工具了！使用了多款集成化的AI工具后，我认为Cherry Studio是其中体验最好的一款。现在，它已经成为我主力的生产力工具之一，再也不用在各种AI工具中切换了！

可以将它们视为两个不同的软件，都需要单独安装，而它们的关系是：PyTorch 可以通过 CUDA 利用 GPU 加速计算。因此，如果你下载的PyTorch为CPU版本，进行深度学习就完全不需要下载CUDA；我太懒了就直接选的PyTorch的CPU版本然后做实验（虽然我的笔记本也并没有独立GPU）。它和PyTorch的关系是？非常简单，进入PyTorch的官网，选择自己需要的选项，复制下面的语句粘贴到命令行运行即可。进入官网，选择自己需要的选项，点击下载即可，然后安装下载好的.exe文件。

Intel和AMD的显示芯片都不能进行。所以，想要让cuda环境搭建在自己的Windows系统上利用GPU的并行计算跑深度学习算法，就必须要有Nvidia显卡且要安装CUDA。Cuda主要是面向Nvidia的。

近些年来，基于人工神经网络的机器学习算法日益盛行起来，逐渐呈现出取代其他机器学习算法的态势，这主要的原因是因为人工神经网络中有一中叫作反向传播算法的关键性技术。该算法可以精确地调整人工神经网络出现问题的部件，从而快速降低网络进行分类或预测的错误率，这使得人工神经网络在诸多机器学习算法中胜出。在应用层面，与一般的机器学习技术相比，深度学习的最大特色是可以处理各种非结构化数据——特指文本、图像、音频、视频等等。而一般的机器学习更适合处理结构化数据（即可以用关系性数据库进行存储、管理和访问的数据）

选择conda环境，使用现有环境，conda执行文件找到Anaconda安装路径下Scripts文件夹内的conda.exe，最后选择含有torch软件包的虚拟环境，题主创建名为pytorch。创建完解释器后，下方会显示出该解释器/虚拟环境下的所有软件包，看到有pytorch包即选择了正确的环境和解释器，点击确定和应用即完成了pycharm内的pytorch配置并选择了正确的虚拟环境。pycharm环境搭建完毕后，编写一个py文件demo，import torch报错，提示没有。

Python的库大部分都在Anaconda的Anaconda prompt中进行安装各种包（注意：Anaconda的位数要和Python保持一致）

activate 能将我们引入anaconda设定的虚拟环境中, 如果你后面什么参数都不加那么会进入anaconda自带的base环境，你可以输入python试试, 这样会进入base环境的python解释器, 如果你把原来环境中的python环境去除掉会更能体会到, 这个时候在命令行中使用的已经不是你原来的python而是base环境下的python.而命令行前面也会多一个(base) 说明当前我们处于的是base环境下。接下来你就可以随意的创建不同的python环境了。下边的管理命令都在命令行进行。

nvidia和cuda关系及简介