000 深度学习环境搭建指南（Windows/Linux）

目标

1. 在Windows或Linux系统上安装Anaconda（Python环境管理工具）
2. 掌握Anaconda的基本使用方法（创建环境、安装包、管理环境）
3. 安装配置Jupyter Notebook和PyCharm开发工具
4. 测试PyTorch环境是否安装成功

第一部分：Anaconda的安装与配置

1.1 什么是Anaconda？

通俗理解：Anaconda就像是Python的"豪华工具箱"，它包含了：

• Python解释器（Python本身）
• 包管理工具（conda）
• 常用的科学计算库（NumPy、Pandas等）
• 多个虚拟环境管理器（可以创建相互独立的Python环境）

为什么要用Anaconda？

1. 环境隔离：不同的项目可以用不同的Python版本和库版本，互不干扰
2. 包管理方便：conda可以自动解决包依赖问题
3. 预装常用库：已经包含了数据分析、机器学习常用的库

1.2 下载Anaconda

Windows用户：

1. 打开浏览器，访问：https://www.anaconda.com/products/individual
2. 找到下载区域，选择Windows版本
3. 下载Python 3.9 或 3.10的64位安装程序（文件约500MB）
4. 如果网络较慢，可以使用国内镜像：
   • 清华大学镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

Linux用户：

1. 打开终端（Ctrl+Alt+T）
2. 下载安装脚本：

   # 使用wget下载（如果没有wget，先安装：sudo apt install wget）wgethttps://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh# 或者使用curl下载curl-O https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh

1.3 安装Anaconda

Windows安装步骤：

1. 双击下载的.exe文件
2. 点击Next
3. 阅读许可协议，点击I Agree
4. 选择Just Me，点击Next
5. 重要：选择安装路径，建议：
   • 不要安装在C盘根目录
   • 路径中不要有中文或空格
   • 例如：D:\Anaconda3
6. 重要配置：
   • ✅ 勾选Add Anaconda3 to my PATH environment variable
   • ✅ 勾选Register Anaconda3 as my default Python 3.9
7. 点击Install，等待安装完成（约10-20分钟）
8. 安装完成后，点击Next→Finish

Linux安装步骤：

# 1. 给安装脚本添加执行权限chmod+x Anaconda3-2023.09-0-Linux-x86_64.sh# 2. 运行安装脚本./Anaconda3-2023.09-0-Linux-x86_64.sh# 3. 按照提示操作：# - 按Enter阅读协议# - 输入 yes 同意协议# - 按Enter确认安装位置（默认在用户目录下的anaconda3）# - 输入 yes 初始化Anaconda3# 4. 使配置生效source~/.bashrc# 或重新打开终端

1.4 验证安装是否成功

Windows验证：

1. 按下Win + R，输入cmd，打开命令提示符
2. 输入以下命令，按回车：

   conda --version

   如果显示类似conda 23.9.0的版本信息，说明安装成功！

Linux验证：

1. 打开终端（Ctrl+Alt+T）
2. 输入：

   conda --version

   应该显示conda版本信息

1.5 配置conda镜像源（国内用户推荐）

由于网络原因，直接连接国外源可能很慢，建议配置国内镜像：

# 配置清华镜像源（一次性执行以下所有命令）conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 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_urlsyes# 查看配置是否成功conda config --show channels

第二部分：Anaconda基本使用

2.1 创建和管理虚拟环境

为什么需要虚拟环境？

想象一下：项目A需要Python 3.8 + PyTorch 1.8，项目B需要Python 3.10 + PyTorch 2.0。
没有虚拟环境，这两个项目会冲突。有了虚拟环境，它们可以和平共处！

创建深度学习环境：

# 创建一个名为"dl_env"的环境，使用Python 3.9conda create -n dl_envpython=3.9# 创建时直接安装常用包conda create -n dl_envpython=3.9numpy pandas matplotlib jupyter

命令解释：

• conda create：创建新环境
• -n dl_env：环境名为"dl_env"（可以自定义）
• python=3.9：指定Python版本

激活和退出环境：

# 激活环境（进入这个环境）conda activate dl_env# 激活后，终端提示符会显示环境名，例如：# (dl_env) C:\Users\YourName># 退出当前环境conda deactivate

查看所有环境：

condaenvlist

输出示例：

# conda environments: # base * C:\Users\YourName\anaconda3 dl_env C:\Users\YourName\anaconda3\envs\dl_env

删除环境：

# 先退出要删除的环境conda deactivate# 删除环境condaenvremove -n dl_env

2.2 包管理

安装包：

# 激活环境conda activate dl_env# 安装单个包condainstallnumpy# 安装多个包condainstallpandas matplotlib seaborn# 安装指定版本condainstallpytorch=1.13# 使用pip安装（conda没有的包）pipinstallsome_package

查看已安装的包：

# 查看当前环境所有包conda list# 查看特定包conda list|greppytorch# Linux/Macconda list|findstr pytorch# Windows

更新包：

# 更新单个包conda update numpy# 更新所有包conda update --all

卸载包：

conda remove numpy

2.3 环境导出与恢复

当你在一个环境配置好所有包后，可以导出配置，方便在其他电脑上重现：

# 导出当前环境配置到yml文件condaenvexport>environment.yml# 从yml文件创建环境condaenvcreate -f environment.yml# 快速复制一个环境conda create -n new_env --clone dl_env

第三部分：安装深度学习框架

3.1 安装PyTorch

推荐安装方式：

# 1. 激活你的深度学习环境conda activate dl_env# 2. 根据你的系统选择命令（从官网获取最新命令：https://pytorch.org/get-started/locally/）# Windows + CPU版本：condainstallpytorch torchvision torchaudio cpuonly -c pytorch# Linux + CPU版本：condainstallpytorch torchvision torchaudio cpuonly -c pytorch# 如果有NVIDIA GPU：# 先检查CUDA版本（nvidia-smi命令查看）# 然后去PyTorch官网选择对应命令condainstallpytorch torchvision torchaudio pytorch-cuda=11.8-c pytorch -c nvidia

验证PyTorch安装：

# 创建test_pytorch.py文件，内容如下：importtorchprint("PyTorch版本:",torch.__version__)print("CUDA是否可用:",torch.cuda.is_available())print("设备数量:",torch.cuda.device_count())# 创建一个简单的张量测试x=torch.rand(3,3)print("随机张量:\n",x)

在命令行运行：

python test_pytorch.py

3.2 安装TensorFlow（可选）

# CPU版本condainstalltensorflow# GPU版本（需要先安装CUDA）condainstalltensorflow-gpu

第四部分：开发工具安装

4.1 Jupyter Notebook

安装Jupyter：

# 已经包含在Anaconda中，如果没有：condainstalljupyter notebook

启动Jupyter：

# 确保在正确的环境中conda activate dl_env# 启动Jupyter Notebookjupyter notebook# 或者使用Jupyter Lab（更现代）condainstalljupyterlab jupyter lab

浏览器中访问：

• 终端会显示一个URL，如：http://localhost:8888
• 复制到浏览器打开
• 如果提示token，从终端复制token粘贴

设置Jupyter工作目录：

# 1. 生成配置文件jupyter notebook --generate-config# 2. 编辑配置文件# Windows用记事本：notepad C:\Users\YourName\.jupyter\jupyter_notebook_config.py# Linux用nano：nano~/.jupyter/jupyter_notebook_config.py# 3. 找到并修改这一行（去掉注释，修改路径）：# c.NotebookApp.notebook_dir = '你的工作路径'

4.2 PyCharm安装配置

Windows安装：

1. 访问：https://www.jetbrains.com/pycharm/download/
2. 下载Community版（免费）
3. 双击安装，建议选择：
   • ✅ Add “Open Folder as Project”
   • ✅ .py关联
   • 安装路径不要有中文

Linux安装：

# 方法1：使用snapsudosnapinstallpycharm-community --classic# 方法2：下载tar.gz解压# 从官网下载Linux版本tar-xzf pycharm-*.tar.gzcdpycharm-*/bin ./pycharm.sh

配置PyCharm使用Anaconda环境：

1. 打开PyCharm
2. 创建新项目→Pure Python
3. 在Location选择项目路径
4. 重要：在Python Interpreter设置中：
   • 点击下拉箭头 →Show All
   • 点击+→Conda Environment
   • 选择Existing environment
   • 路径指向：你的Anaconda安装路径\envs\dl_env\python.exe
5. 点击Create

测试PyCharm配置：

1. 在项目中新建test.py
2. 输入：

   importtorchimportnumpyasnpprint("PyTorch版本:",torch.__version__)print("NumPy版本:",np.__version__)

3. 右键 →Run ‘test’

第五部分：环境测试与验证

5.1 完整环境测试脚本

创建一个test_environment.py文件：

importsysimporttorchimportnumpyasnpimportpandasaspdimportmatplotlibimportsklearn# 如果需要的话print("="*50)print("深度学习环境测试报告")print("="*50)# 1. Python信息print(f"Python版本:{sys.version}")# 2. 库版本信息print(f"\n主要库版本：")print(f"NumPy:{np.__version__}")print(f"Pandas:{pd.__version__}")print(f"Matplotlib:{matplotlib.__version__}")print(f"PyTorch:{torch.__version__}")# 3. PyTorch设备信息print(f"\nPyTorch设备信息：")print(f"CUDA可用:{torch.cuda.is_available()}")iftorch.cuda.is_available():print(f"GPU名称:{torch.cuda.get_device_name(0)}")print(f"CUDA版本:{torch.version.cuda}")# 4. 简单计算测试print(f"\n计算测试：")x=torch.rand(2,3)print(f"随机张量形状:{x.shape}")print(f"张量计算测试:{torch.sum(x)}")print("\n✅ 环境测试通过！可以开始深度学习了！")

运行测试：

conda activate dl_env python test_environment.py

5.2 常见问题解决

Q1: conda命令找不到？

Windows：

1. 以管理员身份打开Anaconda Prompt
2. 或者将Anaconda安装目录下的Scripts文件夹加入PATH

Linux：

# 在~/.bashrc或~/.zshrc中添加exportPATH="~/anaconda3/bin:$PATH"source~/.bashrc

Q2: 安装包时网络超时？

1. 配置国内镜像源（前面已介绍）
2. 使用代理或切换网络
3. 使用pip并指定国内源：

   pipinstallpackage -i https://pypi.tuna.tsinghua.edu.cn/simple

Q3: 环境激活失败？

# Windows PowerShell可能需要先运行：conda init powershell# 然后重新打开PowerShell

Q4: PyCharm找不到conda环境？

1. 确保PyCharm使用的是Community版或Professional版
2. 手动指定解释器路径：Anaconda安装路径\envs\环境名\python.exe

总结练习

环境搭建检查清单：

请按照以下步骤检查你的环境是否搭建成功：

1. Anaconda安装成功：conda --version有输出
2. 创建了深度学习环境：conda env list能看到dl_env
3. 成功激活环境：提示符显示(dl_env)
4. PyTorch安装成功：python -c "import torch; print(torch.__version__)"
5. Jupyter能正常启动：jupyter notebook能在浏览器打开
6. PyCharm能识别conda环境：新建项目时能看到dl_env

实操练习：

1. 创建多环境练习：

   # 创建两个不同Python版本的环境conda create -n py38_envpython=3.8conda create -n py310_envpython=3.10# 分别安装不同版本的NumPyconda activate py38_env condainstallnumpy=1.19conda activate py310_env condainstallnumpy=1.21

2. 项目环境迁移练习：

   # 1. 在当前环境安装一些包conda activate dl_env condainstallscikit-learn flask requests# 2. 导出环境condaenvexport>my_project_env.yml# 3. 创建新环境从yml文件condaenvcreate -n new_env -f my_project_env.yml

3. Jupyter内核管理：

   # 将conda环境添加到Jupyterconda activate dl_env condainstallipykernel python -m ipykernelinstall--user --name=dl_env --display-name="Python (DL)"# 启动Jupyter，在New菜单中就能看到你的环境