pyCharm 如何使用anaconda 里配置好的env的环境

本文详细介绍如何利用conda创建一个新的环境并安装Scrapy,用于网页爬取任务。首先通过conda命令创建一个名为myPaChong的环境,接着在这个环境中安装Scrapy库。随后,文章指导读者如何在PyCharm中配置这个新环境,包括找到Python解释器的路径,确保项目能够正确运行。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

手写利用conda 创建新的env          

conda create -n myPaChong

conda install  scrapy

打开pycharm    选择属性   然后找到  

然后右侧  找到设置图标

然后  按照查找目录 找到python 就好了

### 如何在 PyCharm使用 Anaconda 配置 PyTorch 开发环境 #### 安装必要的软件包 为了确保开发环境中各个组件之间的兼容性,在配置之前建议先更新 `numpy` 和 `setuptools` 的版本。可以通过以下命令来完成此操作: ```bash pip uninstall -y setuptools pip install setuptools pip install numpy ``` 这些命令会移除旧版的 NumPy 和 Setuptools 并重新安装最新稳定版本,从而减少潜在冲突[^1]。 #### 创建 Anaconda 虚拟环境安装 PyTorch 通过 Anaconda 来管理 Python 版本及其依赖项是一个很好的实践方法。可以按照如下方式创建一个新的虚拟环境,并指定要使用Python 解释器版本以及安装特定平台上的 PyTorch 库: ```bash conda create --name pytorch_env python=3.9 conda activate pytorch_env conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 上述指令将建立名为 "pytorch_env" 的新环境,并在其内部安装适用于 CPU 架构的 PyTorch 及其相关工具集[^3]。 #### 设置 PyCharm 使用 Anaconda 环境 当已经准备好所需的库之后,则可以在 PyCharm 中设置项目解释器为刚才创建好的 Conda 环境。具体步骤如下所示: - 打开 PyCharm 后点击右下角齿轮图标旁边的加号 (+),选择 “Add Interpreter...” - 接着从列表挑选 “Conda Environment”,再选中 “Existing environment”。此时应该能看到所有已有的 conda envs 列表;从中找到先前创建的那个(即 `"pytorch_env"`) - 如果一切顺利的话,现在就可以看到左侧栏显示出了新的解释器路径,这表明成功关联上了目标环境中的 Python 解析程序[^4] #### 测试 PyTorch 是否正常工作 最后一步是要验证所搭建起来的这套组合能否正常使用。为此可在 PyCharm 内新建一个简单的测试脚本来加载一些数据或运行基本运算,比如下面这段用于确认 GPU 支持情况的小例子: ```python import torch print(f'Is CUDA available? {torch.cuda.is_available()}') if torch.cuda.is_available(): device = 'cuda' else: device = 'cpu' tensor_example = torch.tensor([1., 2., 3.], device=device) print(tensor_example) ``` 如果输出结果显示能够访问到 CUDA 设备说明一切都准备就绪了!
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