本次我换了一台设备，正好需要重新安装环境这些，在之前多次安装的经验下，在安装方面也算是有点长进，本次向大家分享我的安装过程并附带相关下载文件。
每台计算机存在差异，可能在安装过程中有所不同。本人为一名爱好图像处理的小白学徒，若有不妥之处还望各位技术大牛指点。
一、安装Anaconda
Anaconda 是一个极为强大且广泛应用的 Python 数据科学平台，其集成众多 Python 库。能十分方便的安装包及其依赖，对于新手来说能减少由于缺失依赖项而造成的安装错误。同时，能便捷环境管理，允许创建多个相互隔离的 Python 环境，每个环境可以有不同的 Python 版本和依赖库，方便处理项目之间的依赖冲突。
安装可以直接通过搜索Anaconda到官网下载，也可以通过镜像进行下载。由于官网加载速度慢，建议通过清华镜像进行安装的，链接如下：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
进入Anaconda的镜像后，下载需要的Anaconda安装包。
本次我安装下载的是 Anaconda3-2024.06-1-Windows-x86_64.exe。下载完成后，双击打开所下载的文件，然后点击“Next”，进入下一步。
然后点击，“I Agree”，进入下一步。
在弹出的对话框中选择“All Users”，这一步是为了确认安装的Anaconda是服务与那个用户的（存在一台计算机有多个用户的情况），自己的电脑选择“All Users”在使用时能避免一些权限问题，例如修改其目录下包的一些文件读写参数时可能需要系统或者是管理员的权限才能修改时会遇到问题。然后，点击“Next”进入下一步。
在弹出的对话框中选择安装路径 ，建议不要安装在C盘。点击“Next”进入下一步。
第一个是创建快捷键，第二个选项的Python3.12作为系统的Python环境，并且其他软件能够调用Anaconda，建议勾选。最后一个选项是清除安装过程中的缓存，以回收磁盘空间。点击“Install”，开始安装。
安装过程可能会花费一点时间，请耐心等待。
安装完成后，在最上方能看到“Installation Complete”即安装完成，然后点击“Next” 。
到此，Anaconda算是安装完成了， 点击“Finish”即可。
接下来，我们需要为 Anaconda配置环境变量。首先，右键此电脑（别点成左面的快捷键了），点击“属性”。
选择高级系统设置。
在弹出的对话框中选择“高级”，点击“环境变量”。
然后 双击“Path”。
在弹出的对话框中，选择新建，将以下路径添加到环境变量中。注意：我的Anaconda安装路径是D:\Anaconda3，大家需要更具自己的安装路径调整一下环境变量。
D:\Anaconda3
D:\Anaconda3\Scripts
D:\Anaconda3\Library\mingw-w64\bin
D:\Anaconda3\Library\usr\bin
D:\Anaconda3\Library\bin
添加完成后，一直点击“确定”，直到关闭高级系统设置对话框。
“win+r”打开“命令提示符”，输入python，查看python环境配置情况。从下面可以看到，Anaconda为我设配配置的 Python 3.12.4 的系统Python环境。
输入conda，或conda --version 查看conda信息以及版本。
Anaconda安装完成。
在进行环境变量配置时，若输入conda后提示“conda不是内部命令...”，可以尝试重启“命令提示符”，或者重启计算机。若还是不行，那就检查路径是否设置正确，可以将路径一个一个的复制到资源管理器后回车，查看能否到达指定文件夹下。若不能，则是路径设置错误。注意：在设置路径时，末尾添加空格也会造成路径设置出错。
二、安装Pycharm
Pycharm安装的是2023 专业版，不用社区版的原因是社区版暂不支持ipynb格式的文件。所安装的Pycharm安装包下载链接如下：链接: https://pan.baidu.com/s/1lThp7jh08Hp3V1PqbMwn4A?pwd=smx8
此安装包内容仅用于学习，不用于生产。
下载完成后，解压压缩包，双击pycharm安装程序。
在弹出对话框中点击“Next”。
配置安装路径，点击“Next”。
更具需求选择需要的功能，若不清楚，那就全选。点击“Next”进入下一步。
这一步是创建快捷方式，直接点“Install”安装即可。
安装可能需要花一些时间，请耐心等待。
完成安装后，点击“Finish”，此处是指安装需要重启，是否现在重启。
然后，回到安装包文件夹，双击打开“Crack”文件， 复制“jetbra”文件夹到磁盘根目录（我放在D盘下）。
进入“jetbra”文件夹， 再进入“scripts”问价夹，然后双击运行“install-current-user.vbs”
然后点击弹出对话框中的确定，再点确定。
接着，找到安装的Pycharm，双击打开，在弹出对话窗中勾选同意，点击“Continue”进入下一步。
点击“Don't Send”
然后，回到安装包， 双击打开激活码。进入文件后，按“Ctrl+A”全选，然后“Ctrl+C”复制激活码。
回到弹出的对话框，选择第二个“Activation code”激活码激活，复制激活码到下面，然后点击“Activate”激活。
弹出对话框点击“Continue”。
接下来通过Conda创建一个项目。
运行程序。
到此基本上就安装完毕了，需要汉化可以参考一下链接：https://blog.csdn.net/VeryDelicious/article/details/118976379
三、 安装Cuda
首先确认自己电脑显卡是否能支持Cuda，参考链接如下：CUDA GPUs - Compute Capability | NVIDIA Developer
确认电脑显卡能支持Cuda加速后，通过“Win + R”并输出cmd进入终端，然后输入：
nvidia-smi
回车后，弹出以下内容：
在这里便能显示计算机显卡支持的Cuda版本，我们便可以根据版本去官网下载对应的Cuda，官网链接如下： CUDA Toolkit - Free Tools and Training | NVIDIA Developer
注意：进入网页可能需要注册，直接按照步骤注册就可以了。
点击“Download Now”，进入以下网页：
可以看到，现在最新版本为12.6，我们需要下载的版本是11.1 ，所以通过点击下方的“Archive of Previous CUDA Releases” 下载以往版本的Cuda。
进入网页后，翻找需要的版本，进入网页后，选择电脑的系统
再依次做如下选择，即可下载。
这里我使用了IDM进行辅助，下载速度会快一些，需要IDM的可以通过以下链接下载，直接双击安装程序即可安装: https://pan.baidu.com/s/1NG9t76NZ9PlvOmog1tdZvg?pwd=btsk。
Cuda安装程序下载完成后，双击该安装程序，在弹出对话框选择安装路径，点击“OK”。
等待检测
弹出对话框中，点击“同意并继续” 。
安装选项选择“自定义”，点击“下一步”。
我们安装了Pycharm，没有安装VS，所以去掉勾选“Visual Studio Interoration” ，点击下一步。
设置组件安装位置（这我是直接安装的），点击下一步。
等待检测
开始安装，安装过程中会有闪屏现象，不用管它。
安装完成，点击下一步，在点击关闭即可。
键入“Win + R” 后输入cmd打开终端，输入以下内容检测Cuda是否安装成功 ：
nvcc -V
到此，Cuda安装成功，若输出nvcc -V未能出现以上信息，可以参考文章: https://blog.csdn.net/YYDS_WV/article/details/137825313 这篇文章对Cuda安装讲解十分详细。
接下来，安装Cudnn。CUDNN官网下载地址：CUDNN Archive。进入网页后，直接去找适应Cuda版本的Cudnn版本单击下载即可。
下载完成后，解压压缩包，将三个文件夹中的内容依次复制到对应的安装目录下的文件夹中去。其中，lib文件夹下的“X64”复制粘贴到安装目录下的“lib”文件夹下的“X64”中。
然后，检查安装是否成功。打开安装目录下，“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite”文件夹。再在上方输入cmd打开终端，运行“bandwidthTest.exe”与“deviceQuery.exe”两个程序。
显示如下，Cudnn安装成功。
四、安装Pytorch
直接在网页搜索Pytorch进入Pytorch官网。链接如下：PyTorch。
进入官网后，点击“Get Started”，跳转到下载网页。
然后按照提示选择安装的系统、方式、语言与版本，第一个选项是稳定版与预设版，建议选择稳定版。将下方的运行命令复制，然后放在终端安装即可。注意：这里建议选择pip方式安装，conda方式不稳定且下载速度很慢。
若在弹出的网页中没有与你Cuda版本匹配的Pytorch，则选择 install previous versions of Pytorch
在弹出网页中找到对应Cuda支持的Pytroch版本，然后复制运行命令到终端安装即可。
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html
安装前，最好是指定torch、torchvision与torchaudio版本，不然一般是按最新版本安装的，可能造成不匹配的情况。
这里我使用Pycharm创建了一个项目与一个虚拟环境，然后在Pycharm内使用终端安装Pytorch。
创建后，将安装运行命令复制到Pycharm内的终端中运行，然后等待下载即可。
安装完成后，导入包torch，然后打印torch.cuda.is_available()检查Cuda是否支持加速。
到此，便完成深度学习环境的配置。
版权归原作者 TM遥感图像处理 所有， 如有侵权，请联系我们删除。