专栏的老读者们都知道，以前的文章以使用MATLAB的为多。
不过后续陆续开始展开深度学习算法的应用，就会逐渐引入Python语言了（当然MATLAB的代码也会同步更新），这是由于在深度学习领域，Python应用更为广泛。它拥有丰富的科学计算库和机器学习框架，如NumPy、Tensorflow、Keras、Pytorch等，功能强大且使用便捷。相比之下，虽然MATLAB在工程和科研领域应用广泛且便捷，但在深度学习方面的生态尚不如Python。
本文将介绍在Windows 10系统下搭建深度学习环境的完整过程，包括安装Anaconda、CUDA、NVIDIA显卡驱动以及Pytorch框架。后续本专栏的Python语言下的深度学习环境都以本篇搭建的为准。
本篇教程写于2024年4月20日，如果你看到这篇文章距离这个时间过去了比较长的时间，有可能下边的流程和界面会有所不同。
一、关于操作系统
本篇的操作系统是以Win10为例，不过如果你的系统是Win11，其主要步骤也是大差不差，可以用以参考。如果同学们在搭建环境过程中遇到问题，在下边留言即可，我看到后会尽量解答。
可能还有一部分同学要在Linux系统下搭建环境，这个我在后边可能视情况再另外出教程。
另外大家再进行以下操作之前，请将显卡驱动更新到最新版本（版本号要在520.06以上）。
二、关于编辑器VSCode
Python的编辑器有很多，其实大家用自己习惯的就行。
VSCode有很多好处，比如免费、轻量，ssh远程开发也方便。最主要的他有丰富的插件库。本专栏Python编辑器将统一使用VSCode。
软件下载地址是：Visual Studio Code - Code Editing. Redefined
安装完成后，你将看到这样一个界面，在左侧可以打开插件库。
插件库在最左侧可以打开
在这里有几个插件是需要大家安装的，在搜索框搜索即可：
1.Python和Pylance，做Python开发这两个必然少不了。安装前者，后者会自动安装。
2.jupyter，这个大家选装，安装之后将会支持ipynb格式的Python文件
3.Rainbow CSV，选装，他是一个可以让CSV打开后变得五颜六色的插件。数据文件读起来会更赏心悦目。
4.Chinese，让界面变成中文，当然如果你英语好可以不装。
至此vscode就基本可以使用了，如果你还想装一些花里胡哨的功能，可以自己再探索探索插件库。
三、关于Anaconda
3.1 安装Anaconda
Anaconda是一个用于科学计算的Python发行版,支持Linux、macOS和Windows系统。它预装了众多流行的科学、数学、工程、数据分析的Python包。使用Anaconda可以避免不同Python库之间的兼容性问题。
点击此网页：https://www.anaconda.com/download/success
选择Windows系统下的安装器，注意此时的Python版本对应的是3.11
打开安装文件，一路next（安装路径大家可以根据需要调整）
注意下边这步，不建议勾选第二个选项。像我这样选就可以。
点击finish，完成安装。
3.2 配置环境变量
下边要添加一下环境变量。
打开开始菜单，点击Anaconda Powershell Prompt
输入conda info，查看安装路径
可以看到我的安装路径是 C:\Users\KH\anaconda3，你要根据自己实际安装目录进行改动。
接下来开始配置环境变量，按win键，搜索“环境变量”
双击Path，点击新建。
把这几条复制到里面（注意，加粗的字体的部分需要换成你自己的安装路径）：
C:\Users\KH\anaconda3
C:\Users\KH\anaconda3\Scripts
C:\Users\KH\anaconda3\Library\mingw-w64\bin
C:\Users\KH\anaconda3\Library\usr\bin
C:\Users\KH\anaconda3\Library\bin
测试是否配置成功，进入cmd:
然后在cmd中输入 conda ，如图就是有conda环境。
四、关于pytorch和cuda安装
打开下边的网址：PyTorch
选取稳定版，此时对应的cuda可以是11.8或者12.1，我们选11.8，如果你的电脑没有独显，就选择CPU
打开Anaconda Powershell Prompt，输入上图中蓝框内的代码，回车。此时将自动安装cuda和pytorch相关环境。等待完成安装即可。
五、其他设置及测试
5.1 设置vscode的Python解释器
再次打开vscode，点击Ctrl+p
在上方的文本框输入 >python:select interpreter
点击选择解释器，可以看到当前电脑中有多个Python解释器，我们选择conda环境下的。
同时可以看到，在C:\veighna_studio路径下还有另外一个版本的python，为了避免干扰，我们可以将该路径下的Python文件删掉
5.2 测试上述环境是否搭建完成
点击文件-打开文件夹，选择一个测试文件存放路径。
点击此处新建文件
将其命名为test.py
在文件中粘贴下述代码:
import torch
print(torch.version.cuda)
if torch.cuda.is_available():
print(torch.cuda.current_device())
else:
print('当前环境无CUDA设备，仅能使用CPU运算')
点击运行和调试
选择Python debugger
选择Python文件
如果你的电脑有独立显卡，且驱动和上述设置被正确设置，则会得到类似下边的运行结果：
大家忽略CUDA版本，这个是我另一个环境的结果
如果你的电脑没有独立显卡，则会运行出类似下边的结果：
如果程序报错，则需要大家检查一下anaconda、pytorch、cuda是否正确安装，以及当前的Python版本是否选择正确。
结语
如果大家在配置环境过程中遇到问题，可以在下边留言。对于大家反应的比较多的问题，我将会集中答复。
另外本专栏针对深度学习算法有着深入浅出的讲解文章，推荐大家读一下。后续将持续更新Python环境下的深度学习编程。
3.1 Mr.看海：神经网络15分钟入门！足够通俗易懂了吧
3.2 Mr.看海：神经网络15分钟入门！——反向传播到底是怎么传播的？
3.3 Mr.看海：神经网络15分钟入门！使用python从零开始写一个两层神经网络
3.4 Mr.看海：用深度学习做了下中国股市预测，结果是...
3.5 Mr.看海：使用MATLAB快速搭建神经网络实现分类任务（模式识别）
3.6 Mr.看海：【深度学习-第1篇】深度学习是什么、能干什么、要怎样学？
3.7 Mr.看海：【深度学习-第2篇】CNN卷积神经网络30分钟入门！足够通俗易懂了吧（图解）
3.8 Mr.看海：【深度学习-第3篇】使用MATLAB快速实现CNN分类（模式识别）任务，含一维、二维、三维数据演示案例
3.9 Mr.看海：【深度学习-第4篇】使用MATLAB快速实现CNN多变量回归预测
版权归原作者 Mr.看海 所有， 如有侵权，请联系我们删除。