从〇开始深度学习(0)——背景知识与环境配置

从〇开始深度学习(0)——背景知识与环境配置

写在前面

学习之前从未接触过的领域，总是充满未知和挑战。我可以从很多教程学习我该“做什么”，但是很少有教程可以讲清楚“为什么”。希望通过这篇笔记，可以让和我一样“有编程基础，但不多”的小白，也可以轻松了解深度学习相关知识，并在脑海里构建出学习框架。

笔记分类：

1.背景知识

1.1.Pytorch

在Python中，有很多功能强大的库。这些库为我们封装好了很多功能强大的方法和函数，我们可以站在前人的肩膀上开发我们自己的项目。Pytorch也是如此，完全可以把它看作是一个大的python库。

1.2.Anaconda

在初学Python时，我们往往是在Python官网下载某版本的Python然后编程。但是这种方式存在一个弊端：别人开发的Python工程可能与自己的Python版本不同，此时若想运行别人的工程，则需要重新在官网下载相应版本的Python并配置环境变量。如此一来，我们可能需要频繁地修改本地Python环境。

Anaconda便是一个用于管理Python环境的工具。Anaconda会配置不同的虚拟环境，与我们在本地配置的环境不同，本地环境无法同时配置不同的Python版本，而虚拟环境可以“同时”配置多个不同环境，可以随时按需切换。在不同环境中，可以按需安装不同的库。这样对应不同的工程，我们可以更清晰地区分环境，可以更直观地进行工程管理。

1.3.Pycharm

Pycharm是Jetbrains的一款Python编译器，用过CLion和IDEA的朋友应该都可以很轻松上手Pycharm。Pycharm分为社区版和专业版，社区版是开源免费使用，专业版需要购买，或经过Jetbrains的学生认证后可以免费使用（可以免费使用Jetbrains全家桶，不仅Pycharm专业版）。如果对IDEA的使用也有需求，推荐使用Jetbrains Toolbox进行IDE的统一管理。

Pycharm也可以配置虚拟环境。我们可以不用Anaconda的虚拟环境，直接在Pycharm中配置虚拟环境，下载不同版本的Python；我们也可以在Pycharm中选择Anaconda配置的不同虚拟环境，或是直接选择本地配置的环境。

1.4.CPU与GPU

一般来讲，深度学习的程序用GPU跑更好。与CPU相比，GPU的运算能力更强，且有并行处理能力。

Pytorch分为CPU和GPU两个版本，CPU版本所有设备均可以使用，有英伟达显卡的设备才可以使用GPU版本的Pytorch，且显卡最好拥有>=6GB的显存。

1.5.整体关系

在之后的学习中，我会用Anaconda配置Python+Pytorch环境（其中Pytorch在本地和云服务器均选择GPU版本），使用Pycharm Professional进行编程。计划先在本地环境学习Pytorch，然后在云服务器跑其他算法。

2.环境配置

目标：Anaconda+PyTorch+Pycharm

推荐课程：最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置 CPU GPU 版 | 土堆教程_哔哩哔哩_bilibili

2.1.准备工作

2.1.1.判断有无英伟达显卡

打开任务管理器，找到性能——GPU：

即可知道自己是什么显卡。只有英伟达的显卡才可以使用GPU版Pytorch，且显存最好>=6GB。上图说明没有英伟达显卡，只能使用CPU版PyTorch；下图有英伟达显卡，显存8GB，可以使用GPU版PyTorch。

2.1.2.清理电脑里的旧环境

推荐视频：Python深度学习：安装Anaconda、PyTorch（GPU版）库与PyCharm_哔哩哔哩_bilibili，P1

在此之前，可能有的读者学习过Python。我们需要把之前的环境都清理干净，重新配置新环境。下载一个名为Everything的小工具，启动后等待20秒初始化。

在Everything中搜索Uninstall-Anaconda ，这是Anaconda的卸载程序。如果之前下载过Anaconda，可以通过此程序卸载。

在Everything中搜索.condarc、jupyter、 ipython、 continuum、 matplotlib、 anaconda 以及 conda 的文件，仅删除C盘中的即可。

打开系统环境变量，将Python路径从Path中移除，否则可能会在后续安装Anaconda时无法配置Anaconda的环境变量。

2.1.安装Anaconda

打开Anaconda官网，输入邮箱，会给你发过去下载链接。然后点击Download即可直接进行下载：

当然，也可以[下载](Anaconda Distribution release notes — Anaconda documentation)较旧版本的Anaconda以获取更好的稳定性：

如果你不知道自己的windows是多少位，可以打开系统设置进行查看：

然后下载对应版本即可。

安装Anaconda比较简单。安装在C盘D盘都可以，要留出足够的空间。**且不论安装到什么地方，都要记住这个安装路径，一会需要配置环境变量！**在安装老版本时可能遇到下图的选项卡，如果勾选了第一个选项卡，则会将 Anaconda3 添加到系统 PATH 环境变量中，显然官方也Not recommended，不勾即可。只勾选第二个选项卡，然后安装即可。

现版本的Anaconda安装是这样：

安装过程比较漫长，我在安装时进度条卡在90%约20分钟，耐心等待安装即可。

我们再次打开环境变量，将Anaconda添加到系统环境变量中（注意不是用户变量）。找到系统变量——Path——编辑，将...\Anaconda、...\Anaconda\Scripts与...\Anaconda\Library\bin 添加到Path中即可（...为刚刚Anaconda的安装路径）。

我们可以把“Jupyter Notebook (Anaconda)”和“Anaconda Prompt (Anaconda)”添加到桌面快捷方式。打开开始，从最近添加中找到Anaconda，右键单击，选择更多，然后打开文件位置：

打开后如图所示：

把第三个（Anaconda Prompt (Anaconda)）和第四个（Jupyter Notebook (Anaconda)），右键单击，选择发送到——桌面快捷方式即可。第二个（Anaconda Powershell Prompt (Anaconda)）和第三个功能差不多，第二个的功能更加强大，但是我们日常使用第三个已经足够了。具体是用第二个还是第三个，看个人喜好即可。第一个（Anaconda Navigator (Anaconda)）是Anaconda的图形界面，可以直观看到自己的虚拟环境，缺点是在图形界面里进行安装包之类的操作会有些慢，看个人喜好，也可以添加到桌面快捷方式。

打开Prompt，默认是在Anaconda的base环境下。这个环境是安装Anaconda时就配置好的，无需额外配置。我们一般会自己创建新的虚拟环境，常用指令如下：

# 清屏
cls
# base 环境下的操作
## 列出所有的环境
conda env list
## 创建名为“环境名” 的虚拟环境，并指定 Python 的版本
conda create -n 环境名 python=3.9
## 删除名为“环境名” 的虚拟环境
conda remove -n 环境名 --all
## 进入名为“环境名”的虚拟环境
conda activate 环境名
# 虚拟环境内的操作
## 列出当前环境下的所有库
conda list
## 安装 NumPy 库，并指定版本 1.21.5
pip install numpy==1.21.5 -i https://pypi.tuna.tsinghua.edu.cn/simple
## 安装 Pandas 库，并指定版本 1.2.4
pip install Pandas==1.2.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
## 安装 Matplotlib 库，并指定版本 3.5.1
pip install Matplotlib==3.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
## 查看当前环境下某个库的版本（以 numpy 为例）
pip show numpy
## 退出虚拟环境
conda deactivate

如果你有过Python学习的基础，或者是细心观察了刚刚的常用指令，会发现我们是从清华源下载各种包。默认情况下，Anaconda都是从国外服务器下载包，而由于众所周知的原因，这样下载往往比较慢，所以我们会换源下载。

在Anaconda Prompt命令行中输入指令conda config --get，即可看到我们默认下载途径是defaults：

如果我们在创建虚拟环境时，直接指定下载源（下载通道channels），那在后续的下载中就不用每条指令都进行换源了：

## 创建名为“环境名” 的虚拟环境，并指定 Python 的版本，并指定下载源
conda create -n 环境名 python=3.9 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

但是还是更推荐不更改默认下载地址，推荐使用刚刚这种方式：

## 安装 NumPy 库，并指定版本 1.21.5
pip install numpy==1.21.5 -i https://pypi.tuna.tsinghua.edu.cn/simple

更改默认地址后，有时会出现奇怪的错误。所以还是每次下载单独指定即可。

2.2.安装Pytorch

2.2.1.CPU版

注：这部分笔记时间为2024年02月，可能现在的安装过程会有小区别。

进入Pytorch官网，往下翻，找到这个表格：

笔者选择的是稳定版、windows、Conda（也可以选择Pip）、CPU版本，可以看到为我们生成了下载命令：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

我们进入Anaconda Prompt命令行，创建一个虚拟环境，命令如下：

conda create -n 环境名 python=3.9

进入该环境：

conda activate 环境名

然后运行刚刚从网站上复制的指令：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

推荐科学上网，或者换源下载。下载完成后，再检查一下：

conda list

如果安装成功的话，列表会显示pytorch。如下所示：

安装成功。

下面验证一下Pytorch能否被Python调用。在命令行输入：

python

如果已经成功激活Python解释器，会有三个>>>的标志，如下所示：

再在命令行输入：

import torch
torch.cuda.is_available()

如果显示False，则Pytorch的CPU版本已经安装成功了：

需要注意的是，import的是torch而非pytorch，函数torch.cuda.is_available()记得括号。

2.2.2.GPU版

英伟达显卡的运算平台是CUDA，PyTorch的下载组件中含有cudatoolkit，是CUDA的子集。一般要满足CUDA版本>cudatoolkit版本。

打开CMD命令行，输入：

nvcc -V

如果你已经安装了CUDA则会显示版本号，如果显示：

那就进入支线剧情了：安装CUDA。如果不需要，则可以直接跳过，看主线剧情。

支线剧情：安装CUDA

在CMD命令行中输入：

nvidia-smi.exe

这个版本是你的显卡所支持的最高版本的CUDA！

进入CUDA Toolkit - Free Tools and Training | NVIDIA Developer，可以直接下载最新版：

也可以进入CUDA Toolkit Archive | NVIDIA Developer下载老版：

进入Pytorch官网，往下翻，找到这个表格：

所以我选择下载12.4.1版本CUDA，跳转后选择如下：

Version是你Windows版本。然后点击下载即可，这里下载的过程会比较久，耐心等待即可。

下载完毕，双击安装，我选择的安装路径如下：

安装过程需要注意的点：

在选择组件时，我仅勾选了我电脑上没有的组件、我电脑有但是版本落后的组件，如上图所示。然后在CUDA中取消VS，如下所示：

如果你电脑上有VS，可以勾选；如果没有，一定不要勾选！

选择安装位置：

然后等待安装即可。安装完关闭窗口，回到CMD命令行，重新输入：

nvcc -V

至此，完成CUDA安装。

有些教程还包括安装cudnn，实际上并不需要，PyTorch本身就包含了cudnn。

主线剧情：安装PyTorch

笔者选择的是稳定版、windows、Conda（也可以选择Pip）、CUDA12.4版本，可以看到为我们生成了下载命令：

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

我们进入Anaconda Prompt命令行，创建一个虚拟环境，命令如下：

conda create -n 环境名 python=3.9

进入该环境：

conda activate 环境名

然后运行刚刚从网站上复制的指令：

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

推荐科学上网，或者换源下载。若换源，则输入：

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c nvidia -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

下载完成后，再检查一下：

conda list

如果安装成功的话，列表会显示pytorch。如下所示：

安装成功。

下面验证一下Pytorch能否被Python调用。在命令行输入：

python

如果已经成功激活Python解释器，会有三个>>>的标志，如下所示：

再在命令行输入：

import torch
torch.cuda.is_available()

如果显示True，则Pytorch的GPU版本已经安装成功了：

需要注意的是，import的是torch而非pytorch，函数torch.cuda.is_available()记得括号。

原谅我的懒惰，配GPU版的时候直接用了几个CPU版的图，但是无伤大雅，不耽误理解，不耽误配置

这个win11的UI是好看哈

2.3.安装PyCharm、配置环境

在Pycharm官网进行下载，分为Professional和Community Edition。可以通过购买或进行学生认证的方式使用Professional版本，当然免费的Community Edition也足够用，自行选择进行下载。当然，也可以下载一个JetBrains Toolbox，对Jetbrains的开发工具进行统一管理。不论是哪种方式，下载安装都非常简单，速度也很快。

打开Pycharm，新建一个工程。先在Location（位置）输入工程保存的地址，注意地址要全英文：

需要注意的是，以上图为例，E:\PythonStudy是你电脑种已有的文件夹，test0是你的工程名称。然后选择Python解释器，我们选择下面的方式：

点击添加解释器：

然后输入路径...\Anaconda\Scripts\conda.exe，其中...为Anaconda的安装路径。在使用现有环境中，选择刚刚创建好的环境：

新版Pycharm配置方式如下：

其中，Git repository是可选项，不勾也完全没问题。

有些版本的Pycharm可能还要配置Python解释器，Python解释器的路径为...\Anaconda\envs\PytorchStudy\python.exe，其中...为Anaconda的安装路径。**不要搞混了Conda可执行文件和Python解释器，二者不是一个东西，路径也不一样。**确定后即可创建：

更换main.py中的代码：

import torch
print(torch.cuda.is_available())

点击运行，如果你是CPU版的PyTorch会输出：

GPU版的PyTorch会输出：

环境配置完毕。

2.4.（可选）汉化PyCharm

PyCharm的汉化方法与Jetbrains其他产品的汉化方法相同。点击File（文件)——Settings（设置）——Plugins（插件），搜索Chinese，找到标志为汉的插件，下载并应用即可。当然，汉化并非必须选择的。

2.5.（可选）配置PyCharm终端

备注：这个方法我在2024年01月配置过没问题，但是2024年11月配置的时候出现问题，具体原因未知，可能是某些版本变化导致的。

Pycharm其实也可以直接打开终端，如果我们想打开Anaconda的命令行，则需要进行额外的配置。

首先，找到Anaconda Prompt (Anaconda)所在位置：

在文件夹中，再右键——属性：

如下所示：

复制路径如下：

C:\Windows\System32\cmd.exe

点击文件（File)——设置（Settings）——工具（Tools）——终端（Terminal），将Shell路径修改为刚刚复制的路径：

再打开终端，如下所示：

这样我们就可以很方便地在Pycharm中输入命令，无需额外打开窗口了。