Pycharm中配置Anaconda 虚拟环境（深度学习pytorch环境搭建）

前言

本文是在作者学习小土堆《Windows下PyTorch 入门深度学习环境安装与配置》系列视频后所整理，以巩固自己所学。作为初学者，若文中有不当之处，望不吝指正。

配置环境所需各软件之间的关系

Pycharm为集成开发环境，用于编写Python代码，在pycharm中配置Python解释器环境后，可执行Python程序。Python解释器是用于将代码转化成计算机可识别的符号，然后发送给CPU进行处理，所以是运行代码必不可少的。关于Python解释器的配置可以在Python官网下载自己所需的Python版本，但若今后所运行的项目对Python版本的要求不一样，则需重复安装卸载不同版本的Python解释器，十分不便，而Anaconda很好的解决了这一问题。

Anaconda是虚拟环境管理器，可以新建不同的虚拟环境，各环境之间相互独立，互不干扰。安装Anaconda后，有一个默认的base虚拟环境，其中已经安装了一些常用的包。

Pytorch、TensorFlow都是深度学习代码中可能使用到的一些包，可以在自己创建的虚拟环境中下载这些包，然后pycharm中的代码即可调用这些包，若包缺失，则代码会发生报错。

在深度学习中调用Pytorch等包时，会使用GPU（graphics processing unit 图像处理器）进行计算处理，以加速深度学习网络的训练。GUP为计算机硬件，CPU在接收到调用GPU的指令后，首先会调用软件CUDA runtime version，该软件再调用驱动程序CUDA driver version，通过驱动就可操作英伟达（NVIDIA）显卡。

以下安装以NVIDIA显卡为例，判断自己电脑是否为NVIDIA显卡，可打开任务管理器——性能，看GPU型号是否有NVIDIA字样，如下图所示。

Anaconda软件安装及创建虚拟环境

Anaconda软件安装

下载官网：

Download Now | Anacondahttps://www.anaconda.com/download/success

软件安装在英文路径下，安装过程直接默认下一步即可。安装完成后，在开始菜单中打开Anaconda Navigator，点击菜单栏Environments，即可看到默认base环境。如下图所示。

创建虚拟环境

打开开始菜单中的Anaconda Prompt或Anaconda Powershell Prompt（管理员权限）命令行窗口，输入指令：

conda create -n testvirtueenv python=3.7

其中，testvirtueenv为自定义虚拟环境名称，python=3.7为自己指定的Python解释器版本（建议选择3.5以上），只要低于Anaconda中Python解释器的最高版本即可。（在Anaconda官网下载时可看到）

在创建新的虚拟环境的同时也会自动安装一些基础包，默认是在国外服务器中下载，若出现下载较慢的情况，可手动添加国内镜像地址，以下代码以添加清华镜像源为例。

conda create -n testvirtueenv python=3.7 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

conda常用命令

激活（进入）创建的虚拟环境：

conda activate testvirtueenv

显示Anaconda中的虚拟环境：

conda env list

显示所在虚拟环境中所有包：

conda list

删除已创建的虚拟环境：

conda remove -n testvirtueenv --all

持久添加镜像地址下载通道：

conda config --add channels 通道地址

删除镜像通道地址：

conda config --remove channels 通道地址

查看所添加的通道：

conda config --get

CUDA Driver驱动更新及确定CUDA runtime版本

CUDA Driver驱动更新

建议先更新一下自己的GPU，避免后续安装出现问题。（GPU版本较高可忽略）

在cmd命令窗口输入以下指令可查看自己电脑GPU版本。

更新GPU官网地址为：NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

进入下载界面后，选择与自己GPU型号对应的选项，搜索即可。

搜索结果可能存在多个版本及类型，选择game ready类型中的一个就行。

更新完GPU后，可在cmd命令窗口再输入nvidia-smi指令查看版本是否更新。

CUDA runtime版本确定

打开pytorch官网：PyTorch，选择比CUDA Driver驱动版本低的最新版本的CUDA runtime进行安装。我的CUDA Driver版本为12.6，所以我选择的runtime版本为12.4。

Pytorch安装

选择CUDA runtime的版本后，复制Run this Command中的指令到Anaconda命令窗口中运行即可安装。若想安装在自己创建的虚拟环境中，则需进入该虚拟环境后再输入安包指令。如我想在自己创建的虚拟环境testvirtueenv中安装Pytorch，则先输入conda activate testvirtueenv命令进入该虚拟环境。

如果在默认的地址中下载包太慢，也可用上面提到过的手动添加镜像地址的方式安装包。安装成功后命令行窗口会显示“done”，也可输入conda list指令看Pytorch是否存在，存在则说明初步安装成功。

验证Python能否调用Pytorch

在Anaconda命令窗口中进入安装了Pytorch的虚拟环境，输入python，然后输入import torch，再输入torch.cuda.is_available()，按回车若返回True则说明安装成功。

Pycharm环境设置

Pycharm在官网安装社区版本即可。Download PyCharm: The Python IDE for data science and web development by JetBrains

新版Pycharm的环境设置与小土堆视频中的略有差异，以下操作以pycharm-community-2024.2.0.1版本为例。

在新建项目后，首先编辑项目名称及项目存放位置，环境选择Select existing（已有环境），也就是选择之前在Anaconda中创建过的虚拟环境，Type类型选择Conda，Path to conda选择anaconda目录下的condabin中的conda.bat，此文件也是可执行文件，旧版本的环境中此处是选择Python.exe文件，新版有所区别应当注意。最后在Environment中选择之前创建的虚拟环境，我这里是testvirtueenv，如果方框内没有识别到环境可以点右边蓝色字体Reload environments.

对于已存在的项目，要配置解释器可在 file中选择Setting，在选择左侧栏的Project，选中后点击Add Interpreter（添加解释器）.

之后的操作与新建项目的类似，具体如下图。

在新建的项目中输入如下代码并运行，输出True则说明环境配置成功。