深度学习（pytorch）环境配置，从安装anaconda开始

深度学习作为科研热点，怎么能不入门呢！本文详细介绍深度学习的环境配置，windows+anaconda+pytorch。

一、Anaconda安装

官网下载安装（记得勾选环境变量）
可参照：https://www.cnblogs.com/Zzbj/p/10384122.html
注意：在安装完Anaconda后可以使用jupyter noterbook，但是此时Jupyter默认文件夹一般在C盘，可以修改Jupyter默认文件夹（注意文件夹路径双斜杠\或反斜杠/）

二、创建虚拟环境

1.创建

这里解释一下创建anconda虚拟环境的作用：虚拟环境解释
注意创建虚拟环境的python版本要适合pytorch安装，可以去官网查看最新的torch对python的版本需求。

2.修改

我创建好的虚拟环境名称为deepl，同时我习惯修改终端默认打开的环境（安装完后打开终端默认是进入base环境，但由于我的所有包都在deepl环境中，所以避免麻烦我更愿意默认打开的就是deepl环境而不是在base环境中通过activate命令进入deepl环境）：
很简单，一步到位
最终效果如图，我没有执行任何命令，仅仅是打开终端，直接进入我需要的虚拟环境：

三、安装pytorch

python版本查看——>终端运行:

python --version

cuda版本查看——>终端运行：

nvidia-smi

注意！！！：官网的torch版本更新不一定快，例如你的cuda是12.2但是torch只更新到12.1，像这种情况，只要不是大的版本迭代（比如电脑是12.2的cuda使用适配11.8的torch），在同一个大版本下（比如都是12.x），都是可以使用的。

进入pytorch官网，查看pytorch的python版本需求和cuda版本需求，选择合适的版本，本文以CUDA12.1为例复制pip命令

进入虚拟环境粘贴运行即可,成功安装在虚拟环境下执行 conda list 可以看到:

四、Jupyer导入虚拟环境内核

安装Anaconder自带jupyter，但是其内核在base环境下，前面在我们创建的自己的虚拟环境中安装的torch和torchvision两个库仅在该虚拟环境中存在，base环境调用不了，因此需要改变jupyter的内核才能在我们的虚拟环境中顺利使用jupyter notebook并调用安装的数据包。步骤如下：

1.进入已创建好的虚拟环境

conda activate <虚拟环境名称>

2.安装ipykernel包

pip install ipykernel

3.将虚拟环境添加到jupyter notebook的内核中

python -m ipykernel install --user --name=<虚拟环境名称>

4.在虚拟环境中重新启动jupyter notebook

5.在jupyter文件中改变kernel，选择虚拟环境

此时，可以顺利调用虚拟环境中安装的库

如图，更换虚拟环境后，可以正常导入刚刚安装好的torch包，这样就可以愉快的使用pytorch进行深度学习啦~