深度学习环境配置

深度学习开发环境全栈配置指南：从Anaconda到智能编程

本文将系统讲解深度学习开发环境的完整配置链路，涵盖环境隔离、IDE配置、智能辅助工具链整合。以Windows 11为例，文末附常见问题排查手册。结合本人踩过的坑整理出来，倾情推荐！

---

Ⅰ. Anaconda环境搭建

1.1 安装指南

• 官方下载页：Anaconda Distribution
• 清华镜像源：Tsinghua Mirror
• 安装
  以Anaconda3-2024.02-1-Windows-x86_64为例，在镜像源中下载好后，打开安装程序
  
  
  个人建议最好安装在C盘
  
  安装完成后， Windows搜索栏搜索编辑系统环境变量
  
  
  编辑Path，在刚刚安装Anaconda时的文件夹下找到下面的路径并添加到系统变量中。
  PS：按照自己的路径复制
  
• 安装验证（终端执行）：

conda --version  # 应输出conda 24.x+
conda list  # 查看基础包列表

创建新环境
conda create -n hz python=3.8 

到这里，环境创建完成，我们开始装IDE，PyCharm和VS Code。

PyCharm安装

2.1安装指南

• 官方下载页：PyCharm
  选择你想要下载的版本，这里我们下载Community Edition。
  跟着安装指引一步步安装完成后，在PyCharm中打开你的项目文件夹。
  这里以Time-Series-Library为例，
  打开该项目后，出现下面的界面提示我们没有解释器
  
  点击这个提示，找到下面Add Local Interpreter的选项
  

  然后我们会看到Conda Environments下的可执行文件conda.bat
  
  在Use existing environments中选中之前新建好的虚拟环境，再回到PyCharm主界面会看到之前无解释器的地方出现了你的环境名。
  下面安装需要的包。主要是安装torch。
  官方的requirement.txt如下：

  	einops==0.8.0
  	local-attention==1.9.14
  	matplotlib==3.7.0
  	numpy==1.23.5
  	pandas==1.5.3
  	patool==1.12
  	reformer-pytorch==1.4.4
  	scikit-learn==1.2.2
  	scipy==1.10.1
  	sktime==0.16.1
  	sympy==1.11.1
  	torch==1.7.1
  	tqdm==4.64.1
  

  还是去PyTorch官网找到torch==1.7.1的下载链接。在此之前我们需要先检查一下我们的设备支持的最高的CUDA版本。
  终端输入

  nvidia-smi
  

  即可查看。这里我选择cu101的下载链接，指令框复制下载命令

  pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
  

  后出现下面的字样
  
  记住cp38-win_amd64.whl的后缀（每个人的电脑不一样后缀可能有差别，以实际为准）
  接着我们去阿里的torch镜像源找到对应的torch版本链接并安装

  pip install https://mirrors.aliyun.com/pytorch-wheels/cu101/torch-1.7.1+cu101-cp38-cp38-win_amd64.whl
  

  剩下的torchvision以及torchaudio等的安装重复上面的步骤即可。
  torch安装完毕，再回到PyCharm界面，通过指令框输入下面的指令

  pip install -r requirements.txt -i https://mirrors.aliyun.com/simple
  

  通过镜像源快速安装完相关的依赖。

至此，我们就可以愉快的在电脑上调试代码并运行，体会二进制世界的快乐啦~~

VS Code 结合Github Copilot调试代码

VS Code的安装直接从官网下载安装即可，这里主要介绍将VS Code与LLM结合起来提高生产力。最近新出的Claude 3.7代码能力让人印象深刻，这么好的羊毛，不能浪费啊
u know what i mean~
首先需要注册一个Github账号，然后用你的Github账号注册一个Github Copilot账号。然后从copilot网页打开VS code

这时，在你的VS code界面就会出现一个你可以让它帮你写一段完整的代码，也可以询问它某一段代码的具体释义。目前除DeepSeek外，主流的大模型基本都覆盖了

Copilot帮助理解和生成代码，GPT，Grok，Claude以及国产之光Deepseek配合生成一些latex代码以及解决一些报错和生成一些文本内容。生产力暴增👆

Tips 常用的bash指令

conda list / pip list 查看当前环境下的package及其版本
conda env list 查看所有conda虚拟环境
conda clean --all  清楚conda缓存
nvidia-smi 提供与NVIDIA GPU相关的系统管理功能
lsb_release -a 显示Linux系统发行版的信息

更多指令可以参考这个帖子。
！！感谢用户喜欢晒太阳的魔丸在这一过程中提供的帮助！！