WIndows10系统 安装Anaconda、Pycharm以及在其中导入Pytorch环境(NVIDIA GPU版本)

本文详细介绍了在Windows系统下安装和配置PyTorch深度学习环境的步骤。包括判断电脑是否有GPU、安装Anaconda、创建虚拟环境、准备GPU和CUDA、安装Pytorch并验证、安装PyCharm并配置环境,以及在Anaconda中添加环境等内容。
部署运行你感兴趣的模型镜像

1.判断电脑是否具有GPU

打开电脑任务管理器,进入性能选项,看是否有带有Nvidia的GPU的标识
在这里插入图片描述
或者,在桌面点击鼠标右键,看见NVIDIA控制面板也是可以的
在这里插入图片描述

2. 安装Anaconda

进入Anaconda的官方网站 Anaconda官网
Anaconda官网
网站会自动识别用户的系统,我的电脑是Windows系统,直接点击Download下载即可。下载完成后安装即可。
在这里插入图片描述
在这里插入图片描述
👆
安装路径建议使用全英文路径(所有软件的安装皆建议如此)

在这里插入图片描述
安装完成👆
安装成功
检查是否安装成功👆,出现base标识代表基本虚拟环境已经安装完成。
或者在Anaconda NAVIGATOR中的Environment看见base环境也是可以的👇
Anaconda Navigator

3. 创建虚拟环境

3.1 利用conda命令创建虚拟环境

conda create -n 虚拟环境名字 python=版本

例如 conda create -n my_environment python=3.9
安装完成
出现done,表示安装完成👆
激活虚拟环境
利用命令

conda activate 虚拟环境名字

括号中则会出现虚拟环境的名字,表示激活成功
假如要删除虚拟环境,在命令行窗口输入:

conda remove -n 虚拟环境名字 --all

4. GPU和CUDA准备工作

  1. 首先,确定自己显卡的算力(显卡的型号当然要知道,这个信息在第一步操作已经可以得到)
  2. 确定自己的可选择CUDA Runtime Version
  3. 确保自己的CUDA Drive版本》=CUDA Runtime 版本

例如:
1.我的显卡型号:
我的显卡型号为NVIDIA GeForce GTX 1050Ti
2.显卡对应的算力
算力对应6.1 (根据自己的显卡型号,找到对应的Compute Capability
CUDA算力对应表
3.确定CUDA Runtime
查询可以知道发现 9.0以上均可
在这里插入图片描述

4.查询自己的驱动 CUDA Drive Version
在anaconda命令行中输入 nvidia-smi
从红框可以看出,我的驱动版本是11.6
在这里插入图片描述
5.最终确定我们适用的CUDA
CUDA 9 10 11-11.6均可

**或者直接更新显卡驱动到最新版本。**然后选择低于CUDA version的CUDA即可。
英伟达驱动程序下载网站驱动下载网址(笔记本选择Notebook版本)
更新驱动
比如说,我更新了驱动,CUDA Version 变成了12.0,我们在Pytorch中选择小于12.0的最新版本即可。

5. 安装Pytorch

进入Pytorch官网
在这里插入图片描述
下滑到INSTALL PYTORCH安装页面,我的选择校园12.0的最新版本,即为11.7。
复制安装命令即可(复制Run this Command)
激活所要安装的虚拟环境(conda activate 虚拟环境名字)
粘贴安装命令就可以,稍等一段时间即可(官网的Channel确实有一点慢,但很方便,等一会儿吧)
安装成功
显示红框中的提示即代表包库安装成功👆

6. 验证Pytorch

  1. 激活对应安装Pytorch的虚拟环境
  2. 输入conda list,看看list中是否有pytorch或者torch
  3. 输入python
  4. 输入import torch
  5. 输入torch.cuda.is_available()
  6. 如果显示True,就说明Pytorch安装成功!
    安装成功
    显示为True即可。👆

7. 安装PyCharm并进行配置环境

首先进入Pycharm的官网(PyCharm是针对Python的IDE)PyCharm
PyCharm官网
我们点击下载社区版即可。

安装的时候无脑下一步即可,所要勾选的功能,在软件内依旧可以设置,不勾选同样不影响使用。

安装完成后,点击PyCharm图标,进入软件
软件页面
点击新建项目,New Project
新建项目
由于我们已经在Anaconda中设置了虚拟环境,因此点击新建项目中的 Previously configured interpreter
在这里插入图片描述
点击后,再点击最右边的 Add Interpreter
如果点击后进入Conda Environment 右下角出现 Conda Executable is not found
请参考我的这个博客PyCharm添加Anaconda中的虚拟环境,Python解释器出现Conda executable is not found,看看是否能解决问题。
OK
点击右下角的OK就可以添加上虚拟环境了。
create
点击右下角的Create即可完成
在这里插入图片描述
成功!!!
我们可以输入一些命令验证一下,这个环境的PyTorch是否能够运行
True
显示为True,代表此环境能够正常使用,大功告成。
内容参考自B站 UP:我是土堆最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置 CPU GPU 版 | 土堆教程

8 在Anaconda中添加环境

如果要在Anaconda中添加环境,比如说我的虚拟环境名字为pytorch
运行以下三个命令:

conda activate pytorch # 激活环境
conda install ipykernel # 安装必要插件
python -m ipykernel install --name pytorch

在这里插入图片描述
进入Jupyter notebook
在这里插入图片描述
点击右上角的NEW,即可找到自己配置的虚拟环境。
在notebook内,也可通过Change Kernel进行切换环境
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

PyTorch 2.6

PyTorch 2.6

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

<think> 我们已知用户想要了解在PyCharmAnaconda环境下的安装方法,以及在该环境安装PyTorch、torchvision和torchaudio的方法。结合引用内容,我们将分步骤说明。 步骤1:安装Anaconda 步骤2:安装PyCharm 步骤3:使用Anaconda创建虚拟环境 步骤4:在虚拟环境安装PyTorch、torchvision和torchaudio(通过清华镜像) 步骤5:在PyCharm配置该虚拟环境 步骤6:验证安装 根据引用[1]、[2]、[4],安装PyTorch时可以选择CUDA版本或CPU版本。这里我们以CUDA版本为例(如果机器有NVIDIA GPU安装了对应驱动),也可以安装CPU版本。 具体步骤如下: </think> ### 🚀 PyCharmAnaconda 环境下的 PyTorch 安装指南 #### 一、Anaconda 安装方法(Windows/MacOS/Linux通用) 1. **下载安装包** - 官网下载地址:https://www.anaconda.com/products/distribution - 清华镜像下载(推荐国内用户):https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 2. **安装步骤** ```bash # Windows 用户双击安装包 # Linux/MacOS 终端执行: bash Anaconda3-2024.05-Linux-x86_64.sh ``` - 安装时勾选"Add Anaconda to my PATH environment variable"(环境变量自动配置) - 安装完成后验证:`conda --version` 应显示版本号(如 `conda 24.5.0`)[^5] --- #### 二、PyCharm 安装方法 1. **下载安装包** - 官网下载:https://www.jetbrains.com/pycharm/download/ - 选择 **Community(免费版)** 或 Professional(专业版) 2. **安装步骤** - Windows:双击安装包,勾选"Add launchers dir to PATH" - MacOS:拖拽到Applications文件夹 - Linux:解压后运行 `pycharm.sh` - 首次启动选择"New Project" --- #### 三、PyCharm+Anaconda环境配置 1. **创建虚拟环境** ```bash conda create -n pytorch_env python=3.9 conda activate pytorch_env ``` 2. **配置PyCharm解释器** - 打开PyCharm → File → Settings → Project → Python Interpreter - 点击⚙️ → Add → Conda Environment → Existing environment - 选择路径:`Anaconda安装目录/envs/pytorch_env/python.exe` --- #### 四、安装PyTorch + Torchvision + Torchaudio(清华镜像) 1. **配置清华源** ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes ``` 2. **安装GPU版本(推荐)** ```bash conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia ``` > 适用于CUDA 11.8驱动(需提前安装NVIDIA驱动)[^2] 3. **安装CPU版本** ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` --- #### 五、验证安装(在PyCharm中运行) ```python import torch, torchvision, torchaudio print(f"PyTorch版本: {torch.__version__}") # 应显示如 2.3.0 print(f"CUDA可用: {torch.cuda.is_available()}") # True表示GPU加速可用 print(f"CUDA版本: {torch.version.cuda}") # 应显示如 11.8 print(f"Torchvision版本: {torchvision.__version__}") print(f"Torchaudio版本: {torchaudio.__version__}") # 测试GPU加速 if torch.cuda.is_available(): print(f"GPU设备: {torch.cuda.get_device_name(0)}") x = torch.randn(10000, 10000).cuda() print(f"矩阵计算测试: {x @ x.t()}") else: print("警告:未检测到GPU支持,使用CPU模式") ``` > 正确输出示例: > ``` > PyTorch版本: 2.3.0 > CUDA可用: True > CUDA版本: 11.8 > Torchvision版本: 0.18.0 > Torchaudio版本: 2.3.0 > GPU设备: NVIDIA GeForce RTX 4090 > ```[^1][^4] --- ### 💡 常见问题解决 1. **CUDA不可用** - 更新NVIDIA驱动:https://www.nvidia.com/Download/index.aspx - 验证CUDA安装:`nvcc --version`(需返回版本号) - 重新安装匹配版本:`conda install pytorch torchvision torchaudio pytorch-cuda=11.8` 2. **清华镜像安装失败** ```bash conda clean -i # 清除索引缓存 conda update --all # 更新所有包 ``` 3. **环境冲突** ```bash conda create --name new_env --clone pytorch_env # 克隆环境 conda remove --name pytorch_env --all # 删除问题环境 ``` --- ### 📚 学习资源推荐 | 资源类型 | 链接 | |---------|------| | PyTorch官方教程 | https://pytorch.org/tutorials/ | | Anaconda文档 | https://docs.anaconda.com/ | | PyCharm调试指南 | https://www.jetbrains.com/help/pycharm/debugging-code.html | > **注意**:安装完成后建议导出环境配置: > `conda env export > pytorch_env.yml` > 可随时通过 `conda env create -f pytorch_env.yml` 重建环境[^2]
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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