（傻瓜也能会）手把手教你搭建第一个简单的深度学习环境并跑通代码（Pix2PixGAN）

1.安装Anaconda

Ananconda的下载比较简单，可以直接Google搜索进行下载(官网为：https://www.anaconda.com/）,如果这样比较慢的话，也可以在中国大学的镜像源下载。镜像源地址为:https://mirrors.bfsu.edu.cn/anaconda/archive/

这里我选择的2020.10-Win进行下载，是一个比较稳定的老版本：

下载完成后点击exe文件进行安装，这里注意要最好把它安装在内存比较大的盘里。然后我们需要手动为其添加环境变量：

右击“我的电脑”->属性->高级系统设置->环境变量，找到系统变量的'path'一栏进行编辑：

通过右侧的“新建”按钮，可新建环境变量的路径，将【D:\Anaconda】、【D:\Anaconda\Scripts】与【D:\Anaconda\Library\bin】添加到环境变量,注意假如你下载在E盘应将路径改成E盘的路径。若此前您为其它单独的 Python 解释器添加过环境变量，请在删除它的环境变量，否则 Anaconda 的环境变量会被挤出来

检测是否安装成功:

我们win+r然后输入cmd打开命令行窗口，在窗口类输入：

conda --version

若出现像这样的conda版本号即安装成功

2.环境配置

我们先将打开pix2pix的github网址：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix#readme,下载源码并解压。

（1）搭建环境

然后我们接下来配置所需要的环境，这个项目是比较基础和入门的，因为只需要按照它的指令我们便可以轻松的配置好的所需的环境，如图：

见上图，我们使用的是Anaconda,对应第二条，将其搭建环境的代码复制下来:

conda env create -f environment.yml

1.打开Anaconda  prompt

2.修改当前路径到之前存放项目的文件路径,注意必须修改，否则会报错找不到环境文件，因为终端前面的路径会决定其搜索的路径的，这里我把文件放在了E:\testproject\pytorch-CycleGAN-and-pix2pix-master

3.运行之前复制的语句，如果你下载地很慢，那你可以添加清华的镜像源来进行下载

添加清华镜像源：

#添加镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

#终端显示包从哪个channel下载，以及下载地址是什么
conda config --set show_channel_urls yes

运行：

4.下载完成后，我们查看现在存在哪些虚拟环境，使用:

conda info --envs

可以看到第三个便是刚刚安装好的虚拟环境

5.进入当前环境，现在我们还在base也就是基础环境下，接下来我们需要进入到我们创建好的虚拟环境中，在终端输入：

#conda activate 激活的环境名称
conda activate pytorch-CycleGAN-and-pix2pix

结果：可以看到前缀由base换成了当前环境的名字

（2）下载数据集

下载网址：http://efrosgans.eecs.berkeley.edu/pix2pix/datasets/ 

这里我们选择下载一个量级比较小的来进行训练，选择facaders下载，然后解压至项目的dataset文件夹中：

（3）训练结果和损失函数可视化

这里使用pytorch的可视化工具visdom,在终端里输入：

python -m visdom.server

然后复制其网址打开即可。本人在这里遇到些许报错，将其详细地记录了下来（如果你没有忽略即可）：

运行之后我这儿报错了：

然后查看了一下visdom包是否存在：

conda list |findstr visdom

#查看包的存在：
conda list|findstr 包的名字
存在会显示包的版本信息，如果未安装，则没有输出

发现有，显示pypi_0表示是通过pip安装的（所以得通过pip卸载），可能是某些文件出现了问题，我选择删了重新安装：

安装：

注意使用pip下载和conda下载时，切换临时源的参数不同,这里我使用pip安装的

#pip安装
pip install visdom -i https://pypi.tuna.tsinghua.edu.cn/simple
#conda安装
conda install visdom -c 镜像源

 这里重新安装后网址可以打开了，但还是有报错：

报错显示找不到一个静态文件static file，我们先打开visdom包下的server.py文件

我的文件位置，可以参考一下：

D:\Anaconda\envs\pytorch-CycleGAN-and-pix2pix\Lib\site-packages\visdom\server

打开run_server.py文件然后往下翻，做如下修改：

最后我们需要把visdom文件夹中的static文件给替换掉，这里给一个我的网盘地址：

链接：https://pan.baidu.com/s/108zqdt2erIcgfpUXfGe1QQ 
提取码：ueio

打开连接下载压缩包，解压之后替换之前的static文件即可。

一系列操作完成后，报错便解决了，继续第一步的操作：

复制出现的网址：http://localhost:8097 ，打开后是这样的

​（4）在Pycharm里运行和修改

我们直接把项目文件拖拽到Pycharm里来打开项目

（1）配置相应的环境

打开文件点击设置：

点击项目-点击python解释器-点击添加解释器-添加本地解释器：

点击conda环境-使用现有环境-选择之前搭建的环境文件：

这里我还遇到了一个报错，可以参考一下我的解决方法，没有则忽略就行。

报错如下，在打开Pycharm终端时，显示：

CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.
If using 'conda activate' from a batch script, change your
invocation to 'CALL conda.bat activate'.

To initialize your shell, run

    $ conda init <SHELL_NAME>

Currently supported shells are:
  - bash
  - cmd.exe
  - fish
  - tcsh
  - xonsh
  - zsh
  - powershell

See 'conda init --help' for more information and options.

IMPORTANT: You may need to close and restart your shell after running 'conda init'.

这里我尝试了网上的很多方法都不行，最后这个方法凑效了，有懂的小伙伴也可以评论区讲解一下

我们点开文件-点击设置-点击工具-点击终端-找到shell路径-切换成cmd.exe:

这里我把powershell.exe切换成cmd.exe之后报错就解决了

（2）训练模型

复制下面语句：

python train.py --dataroot ./datasets/facades --name facades_pix2pix --model pix2pix --direction BtoA

终端位置：

打开Pycharm的终端，粘贴并回车运行：

3.结果展示

然后我们可以看到学习率（learn rate）的变化以及训练到多少epoch了：

这是之前打开的visdom网页，第一张图展示了损失函数的变化，第二张图片是input输入，后面图片则是训练结果output输出：

这个是比较简单入门小项目，但是万事开头难，本人在这个过程中也遇到了很多困难和莫名其妙无法解决的报错，最后通过耐心查阅还是解决不了不少，想把我的经验记录下来，希望能对你有所帮助！