Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南

给本科生写的新手教程，遇到很多新手的共性问题，可供大家参考。在开始阅读之前，请注意两个要关键：1.为什么要使用Conda而不在本地直接安装Python，体会Conda带来的区别和优势。2.明确CUDA版本和torch-gpu版的兼容情况。

文章目录

Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南
- 1. Conda介绍与安装
- - 1.1 Conda简介
  - 1.2 为什么要使用Conda？
  - 1.3 Anaconda vs. Miniconda
  - 1.4 Windows下Miniconda安装与配置
  - - 过程
    - 验证
  - 1.5 Conda基本使用
  - 1.6 Pycharm集成Conda
- 2. Pytorch安装
- - 2.1 Pytorch简介
  - 2.2 Conda安装Pytorch
  - - 2.2.1 CPU版本安装：
    - 2.2.2 GPU版本安装
    - （1）确定本机的独立显卡、CUDA驱动版本和CUDA版本
    - （2）确定本机的CUDA支持的torch-gpu版本和CUDA Toolkit版本
  - 2.3 本地Python直接安装
  - 2.4 验证

1. Conda介绍与安装

1.1 Conda简介

Conda是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。是最流行的Python环境管理工具。

1.2 为什么要使用Conda？

考虑下图的场景，三个项目，使用了三种不同的Python和依赖包（特别是在做深度学习相关研究的场景下，需要复现其他论文的代码工作进行对比试验，不同版本的库很可能存在许多冲突），如果你在本地直接安装Python，会产生冲突。难道我们要先创建项目A的环境运行项目A，然后卸载该A环境再创建项目B的环境运行项目B…

但是如果使用Conda，就可以通过Conda，在本地同时创建多个Python环境，并在它们之间轻松切换，每个环境都是独立的，不会影响其他环境。

1.3 Anaconda vs. Miniconda

是Conda的两种发行版，Anaconda比较繁杂笨重，miniconda比较干净轻量。

Anaconda是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，就是把很多常用的不常用的库都给你装好了。

Miniconda，顾名思义，它只包含最基本的内容—python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。就只包含最基本的东西，其他的库得自己装。

建议使用Miniconda，已装了Anaconda的同学可以无视。

1.4 Windows下Miniconda安装与配置

本地直接安装的Python的同学，如果想换Miniconda，直接把本地的Python直接卸载，如卸载，记得将原本配置的Python环境变量删除，否则系统会默认原来的路径，执行某些命令产生错误。

过程

从Miniconda官网下载安装包，如图所示，该选项会默认安装一个对应Python版本作为base环境；

一路Next和Agree，直到让你Select Installation Type，

这时候建议选择Just Me，对于有多个硬盘的同学，如果选择All User，后面创建环境会默认创建到C盘，

即出现如下情况（pytorch环境装到了C盘，我们大多数人不希望把它装到系统盘）；

选择你想要安装的目标路径（我这个演示电脑只有一个C盘），然后继续Next；
建议只勾选✔第一个和第三个（创建快捷方式；我们自己添加环境变量以避免带来一系列未知冲突；将base环境的python设置为本机的默认Python；
可以都不用勾选；
配置环境变量。在系统环境变量的PATH变量中，根据你在本地安装Miniconda的路径，添加如下三个环境变量：

理论上已经安装成功。

验证

打开cmd终端命令提示符，直接输入命令：conda，出现如下信息即表示安装成功；

直接输入命令：python，进入python解释器，会显示默认的base环境的Python版本相关信息。

1.5 Conda基本使用

初始化，第一次在本机安装Conda的同学可能会遇到如下问题：

You may need to close and restart your shell after running ‘conda init’.

此时，输入如下命令执行，然后关闭终端命令行窗口重新打开即可。

conda init cmd.exe

创建环境：py39test是环境名，请自行定义，python=3.9表示在本环境中安装Python3.9，根据自己的需求自行更改。
```
conda create -n py39test python=3.9
```
激活环境（即进入某个环境），进入该环境后才能对该环境进行操作。
```
conda activate py39test
```
退出环境
```
conda deactivate
```
删除环境，指定环境名进行删除。
```
conda remove -n py39test --all
```
查看环境
```
conda env list
```
可见当前conda中存在base和py39test两个环境
进入某一环境后，在当前环境安装其他库与使用pip相似，如：
```
conda install pandas
```
当然，也可以在当前环境直接使用pip进行安装，二者一般被认为是几乎相同的。conda存储库中提供了1500 多个包，但与PyPI上提供的超过150000个软件包相比，它仍然很小，因此，很多时候所需要安装的包只能通过pip安装。
更换下载源

这一步做不做都行。因为conda默认使用官方源进行下载，速度会相对慢，特别是像Pytorch这样很大的包，可以更换成国内源加速下载，如清华镜像源。
- Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。该文件自动生成在C盘-用户-用户名下。
- 打开.condarc文件后，将内容重置为（注意格式）：
```
show_channel_urls: true
channels:- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
ssl_verify: true
```
- 然后运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。
- 后续如果要使用清华源进行下载，需要将命令最后的’-c pytorch’参数去掉。
更多conda命令请自行百度。

1.6 Pycharm集成Conda

在Pycharm中如何使用Conda环境的Python解释器呢？

打开项目，点击File->Settings，搜索找到Python Interpreter，在右侧点击Add Local Interpreter…如图所示：

选择Conda Environment，将Conda executable的路径设置为MinicondaScripts下的conda.exe文件的路径，然后点击右侧的Load Environments，加载Conda环境列表。（注意不要选择Virtualenv Environment，会自己创建Pycharm自带的虚拟环境）

注意，点击Use existing environment，选择一个现有的Python环境作为当前项目的运行环境，Miniconda3即为base环境，但是也不建议直接使用base环境，这里我选择py39test。点击OK，成功，可以自行运行代码测试一下。

这里如果没找到，请在interpreter那一行，右边有个三点，自行找到你安装的虚拟环境路径，添加该环境下的python解释器。

Conda自带的默认的base环境的解释器就在安装Conda的根目录下：

其余环境在envs文件夹下；

进入某个环境文件下，选择该解释器的路径，即可在Pycharm中使用该虚拟环境。

如图所示：

2. Pytorch安装

2.1 Pytorch简介

一个当前学术界最流行的简洁、快速、高效、易用、生态丰富的开源深度学习框架，基于Python，支持GPU加速计算。

2.2 Conda安装Pytorch

注意，安装之前，请先明确你要在哪个环境下安装Pytorch，先激活（conda activate xxx）进入该环境，才能在该环境下安装该库，否则，会默认安装在base环境下。（打个比方，每个环境就像一个独立的房间，对其他房间不会有任何影响，你要先进入房间，才能对该房间进行任何操作，并且你的这些操作就不会影响其他房间。）
激活进入py38test环境，在该环境安装pytorch，不会影响到其他环境。
激活以后，终端命令行左边就会带（当前环境名），如下图所示，我已进入本机conda的py38test环境下：

打开Pytorch官网，根据需要PyTorch版本、你的操作系统、Conda/Pip（没有Conda的直接使用pip）、语言、计算平台选择指令，官网页面只提供最新的版本安装指令。

点击Install previous versions of PyTorch可以查看过去已发布的Pytorch版本安装指令（建议到这里面找，）。

注意，官网提供的最新的pytorch1.13版本的安装指令有个小错误：

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -nvidia

最后的’-nvidia前面少了个-c’，更改为

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c -nvidia

此外，Python和Pytorch版本存在对应关系，具体可以查看：torch/torchvision/python版本对应关系。根据下图，建议不使用过高或者过低的Python版本，就可以兼容大多数Pytorch版本。

2.2.1 CPU版本安装：

本机没有NVIDIA独立显卡的同学只能安装CPU版，必须是NVIDIA，而且是独显，集成显卡也不行。

命令：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

使用清华源的同学，就要去掉最后的’-c pytorch’才能从清华源下载，该参数表示从pytorch官网下载。
此外，该命令默认同时安装最新的pytorch和torchvision、torchaudio，大家可以根据自己的需求指定版本（应该是指定pytorch版本即可，torchvision和torchaudio都依赖pytorch，且存在版本依赖，会自动安装当前pytorch支持的最高版本）。

再如，我们指定pytorch版本为1.9.0，torchvision为0.10.0，不安装torchaudio：

conda install pytorch==1.9.0 torchvision==0.10.0 cpuonly -c pytorch

2.2.2 GPU版本安装

安装GPU版的Pytorch，首先需要有NVIDIA独立显卡和CUDA驱动，驱动一般都装好了（没有自行百度），然后需要安装CudaToolKit。NVIDIA CUDA Toolkit是一个专业的CUDA工具包，为用户提供了专业的开发环境，创建经GPU加速的高性能应用。（大概意思就是有CUDA Toolkit你才能使用GPU加速神经网络。）

（1）确定本机的独立显卡、CUDA驱动版本和CUDA版本

打开终端cmd，命令：

nvidia-smi

（2）确定本机的CUDA支持的torch-gpu版本和CUDA Toolkit版本

原则：驱动是向下兼容的，其决定了可安装的CUDA Toolkit的最高版本。官方推荐的cuda版本为10.2和11.3，这两种 cuda 支持大多数的 pytorch 版本。但是，请注意，有些同学的显卡比较老了，如果是CUDA是10.2，最高只能支持到torch-gpu的1.10.0版本，也就是说CUDA10.2安装不了torch-1.10.0以上的GPU版本，但是CPU版本可以，只要你的python版本符合要求。

具体可以参考这篇文章：PyTorch、CUDA Toolkit 及显卡驱动版本对应关系

例如，我的NVIDIA驱动版本是516.59，根据下图，我可以装的CUDA Tookit的最高版本是11.7，并且向下兼容可以安装10.1~11.7的全部版本。

这时候如果我想安装Pytorch1.12.1的话，根据官网提供的命令，可以是：

# CUDA 11.3
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

也可以是：

# CUDA 11.6
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge

2.3 本地Python直接安装

这一步是针对不安装Conda的同学的。

CPU版直接使用pip命令安装对应版本；
GPU版根据CUDA驱动版本，直接pip安装，和conda其实是异曲同工的，一般是在安装时加上’torch==xxx+cuxxx’这样的参数，具体请查看官网命令。

如：(显然，如果你进入conda环境后，也可以使用下列命令安装torch-gpu版，因为我们在前面说过，conda环境下使用conda install和pip install是基本一样的，只是拉取这些库的源不同，请仔细体会conda的作用。)

# CUDA 11.6
pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu116
# CUDA 11.3
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113
# CUDA 10.2
pip install torch==1.12.0+cu102 torchvision==0.13.0+cu102 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu102
# CPU only
pip install torch==1.12.0+cpu torchvision==0.13.0+cpu torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cpu

2.4 验证

import torch
print(torch.cuda.is_available())
# 如果成功安装了CPU版本，会输出False
# 如果成功安装了GPU版本，会输出True，集成显卡也会输出True，但是用不了。
# 没有报错即安装成功。

【教程】Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南相关推荐

【软件使用】Windows下的Objective-C集成开发环境搭建（IDE）
Objective-C是苹果软件的编程语言,想要上机学习.调试,有一个集成开发环境(IDE)方便很多.有三类方法搭建Objective-C的集成开发环境: 1) 使用苹果的平台,集成开发环境使用X ...
windows下gdal的java开发环境搭建
本文接前文gis利器之Gdal(一),前面简单介绍了gdal工具是什么,具体有什么功能.对于gdal的具体功能,感兴趣的去官网看看.日常对于gis常见的矢量和栅格数据进行处理,gdal都是拿手的.今天 ...
Windows下的QT系统开发环境搭建
QT是一款由Qt Company开发的跨平台C++图形用户界面应用程序开发框架.它既可以开发GUI程序,也可用于开发非GUI程序,比如控制台工具和服务器.Qt是面向对象的框架,使用特殊 ...
windows 下配置 react native 开发环境
windows 下配置 react native 开发环境安装nvm 由于react native 需要使用 NodeJs 4.0以上版本,为了方便切换NodeJs,首先我们需要安装nvm. 你可以 ...
《Node.js入门》Windows 7下Node.js Web开发环境搭建笔记
最近想尝试一下在IBM Bluemix上使用Node.js创建Web应用程序,所以需要在本地搭建Node.js Web的开发测试环境. 这里讲的是Windows下的搭建方法,使用CentOS 的小伙伴 ...
Windows下安装Object C开发环境，及Hello Word(转)
Windows下安装Object C开发环境,及Hello Word 最近想学习iphone开发,但是由于没有c基础,只有java基础.所以先从基础学习,首先是搭建环境,目前手头没有mac机子,只能先 ...
python开发工具及环境配置_python_在windows下安装配置python开发环境及Ulipad开发工具...
最近开始学习Python,在网上寻找一下比较好的IDE.因为以前用C#做开发的,用Visual Studio作为IDE,鉴于用惯了VS这么强大的IDE,所以对IDE有一定的依赖性. Python的ID ...
linux上 arm开发环境搭建,详解 LINUX下QT For ARM开发环境搭建过程
LINUX下QT For ARM开发环境搭建过程是本文介绍的内容,不多说,先来看内容.在PC上,我们需要得到两个版本的Qt,分别是:Qt-4.5.2和QtEmbedded-4.5.2-arm.前者包括 ...
Ubuntu 下无人机飞控 ArduPilot 开发环境搭建
Ubuntu 下无人机飞控 ArduPilot 开发环境搭建 Ubuntu 下无人机飞控 ArduPilot 开发环境搭建操作流程升级安装包安装 git 克隆代码安装交叉编译工具链将编译器添 ...

【教程】Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南