000 深度学习环境搭建指南（Windows/Linux）

目标

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？

1.2 下载Anaconda

Windows用户：

Linux用户：

1.3 安装Anaconda

Windows安装步骤：

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：

Linux验证：

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_urls yes

# 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 3.9
conda create -n dl_env python=3.9

# 创建时直接安装常用包
conda create -n dl_env python=3.9 numpy 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：

conda env list

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
conda env remove -n dl_env

2.2 包管理

安装包：

# 激活环境
conda activate dl_env

# 安装单个包
conda install numpy

# 安装多个包
conda install pandas matplotlib seaborn

# 安装指定版本
conda install pytorch=1.13

# 使用pip安装（conda没有的包）
pip install some_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 | grep pytorch # Linux/Mac
conda 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
conda env export > environment.yml

# 从yml文件创建环境
conda env create -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：
conda install pytorch torchvision torchaudio cpuonly -c pytorch

# Linux + CPU版本：
conda install pytorch 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
conda install pytorch 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：
import torch

print("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
conda install tensorflow

# GPU版本（需要先安装CUDA）
conda install tensorflow-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：
conda install jupyter notebook

启动Jupyter：

# 确保在正确的环境中
conda activate dl_env

# 启动Jupyter Notebook
jupyter notebook

# 或者使用Jupyter Lab（更现代）
conda install jupyterlab
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：

Linux安装：

# 方法1：使用snap
sudo snap install pycharm-community –classic

# 方法2：下载tar.gz解压
# 从官网下载Linux版本
tar -xzf pycharm-*.tar.gz
cd pycharm-*/bin
./pycharm.sh

配置PyCharm使用Anaconda环境：

测试PyCharm配置：

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：

import sys
import torch
import numpy as np
import pandas as pd
import matplotlib
import sklearn # 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()}")
if torch.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：

Linux：

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

Q2: 安装包时网络超时？

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？

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：

实操练习：