请支持原创，认准DannisTang（tangweixuan1995@foxmail.com）

第〇章 阅读前提示

本文重点放在深度学习上，因此，对于Python部分的内容，会稍显不足。如果本文的读者想重点了解Python相关的知识，请查看其他的文章。但是为了方便入门，本文在前面依然会描述Python配置相关的内容，以及一些需要用到的Python相关的命令等。

同时值得注意的是，本文如果没有特殊说明，均是在Windows平台下进行开发和调试等。

并且为了保证兼容性，硬件设备（即你的电脑主机）最好为英特尔的CPU与英伟达的GPU（通俗理解为显卡）。

第一章 准备工作

本章将讲解深度学习的准备工作，因为不是本文的主要目的，所以不会花费很大的篇幅去讲解， 如果在本章的过程中出现问题，可以在网络中搜索下出现的问题。

本章讲解，在windows下安装和配置python和pycharm以及英伟达的cuda的安装。

第一节 Python下载

Python官网下载，下载版本为3.11.5。下载地址链接（Windows版本）

选择自己的版本进行下载，不同Python的版本可能会有兼容性的问题

（版本兼容性：通常情况来说，大版本不同，不兼容性较大，小版本不同，兼容性较小。版本号大的会兼容版本号小的。但不排除有特殊情况）

第二节 Python安装

如果选择exe的安装包的方式的话，直接下一步下一步的安装即可

第三节 Python配置

exe安装包的方法进行默认的配置

第四节 Pycharm下载

在jetbrain的官网下载Pycharm下载地址链接（Windows版本）

第五节 Pycharm安装

因为是exe安装包，所以直接下一步即可。安装完成之后，需要license，请自行解决license。

第六节 CUDA的安装

在cmd命令窗口下面，执行命令

nvidia-smi

查看自己的cuda版本，如果版本太低的话，可以下载Nvidia GeForce Experience进行更新驱动

注：这里我更新过英伟达的显卡驱动，用的是Nvidia GeForce Experience，直接自动更新，所以前后的版本不一致（第一次是516.94，cuda是11.7；第二次是546.17，cuda是12.3）。

并且如果使用Nvidia GeForce Experience的话，需要登录Nvidia的账号，自行注册一个即可，这里不再赘述。

Nvidia GeForce Experience下载地址（下载安装后自动更新驱动，含CUDA）

第二章 Anaconda安装与配置

第一节 Anaconda下载与环境变量配置

1、Anaconda下载与安装

先下载anaconda，因为是免费的，所以官网下载即可
下载地址链接（Windows版本）

下载完成后，进行安装，安装后即可使用，安装过程中直接点下一步即可。安装的路径为，需要记录这两个路径，后面在pycharm需要用到，如果是你自己安装的（并且是默认的路径），将用户名替换成你自己的用户名即可

C:\Users\用户名\AppData\Local\anaconda3
C:\Users\用户名\AppData\Local\anaconda3\Scripts\conda.exe

安装完成后（如果是默认安装的话），可以在开始菜单中看到这些选项，其中用的最多的就是这个Anaconda Prompt后面也会重点用到。

2、Anaconda配置环境变量

进入控制面板，然后输入环境变量，编辑Path即可

然后添加以下三个路径即可

点击确定即可完成添加。

第二节 Anaconda镜像源配置

1、查看

在Anaconda prompt中输入以下的命令以查看当前的镜像源

# 查看镜像源
conda config --show channels

# 查看默认镜像源
conda config --show default_channels

2、配置（命令行）

1）直接输入命令行配置

在Anaconda prompt中输入以下的命令（选择性添加）

# 添加阿里源
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/r/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/msys2/

# 添加清华源（不建议用）
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/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/

# （这几条是删除清华源的命令）
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/

# 添加中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

# 如果是使用命令行进行镜像源配置，这里需要补充一条命令，在后续使用会有帮助
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

2）文件夹进行输入配置（Windows版）

直接打开文件夹窗口，输入

C:/user/你的用户/.condarc

这里将你的用户换成你的Windows的电脑的用户即可，直接回车，会弹出打开方式，采用记事本或是你常用笔记软件打开都行，但是建议用记事本，因为常用的软件（比如UE或是notepad++会修改编码，然后用不了）。

然后换成以下的配置（全量替换），直接保存关闭就行（可以自行备份之前的配置信息）

# 以下为阿里源（推荐使用）
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.aliyun.com/anaconda/pkgs/main/
  - https://mirrors.aliyun.com/anaconda/pkgs/free/
  - https://mirrors.aliyun.com/anaconda/pkgs/r/
  - https://mirrors.aliyun.com/anaconda/pkgs/msys2/
custom_channels:
  conda-forge: https://mirrors.aliyun.com/anaconda/cloud
  msys2: https://mirrors.aliyun.com/anaconda/cloud
  bioconda: https://mirrors.aliyun.com/anaconda/cloud
  menpo: https://mirrors.aliyun.com/anaconda/cloud
  pytorch: https://mirrors.aliyun.com/anaconda/cloud
  pytorch-lts: https://mirrors.aliyun.com/anaconda/cloud
  simpleitk: https://mirrors.aliyun.com/anaconda/cloud
remote_read_timeout_secs: 10000.0


# 以下为清华源（不建议用，不太行，可能网络会有问题）
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
remote_read_timeout_secs: 10000.0

3、配置（界面配置）

该步骤与上步骤（步骤2）能实现同样的配置，因此，该步骤和上步骤二选一进行操作即可。
在Anaconda navigator中操作，
1）点击environment，点击channels，点击添加
2）输入以下的配置源（可以按需选择），输入完成后按回车确认

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
https://mirrors.aliyun.com/anaconda/pkgs/free/
https://mirrors.aliyun.com/anaconda/pkgs/main/

3）删除默认的配置源defaults
4）点击update channels进行更新

4、删除（命令行）

在Anaconda prompt中输入以下的命令

# 以下为几个例子，如有需要，则进行替换源即可
conda config --remove channels defaults
conda config --remove channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pro/

conda config --remove default_channels https://mirrors.aliyun.com/anaconda/pkgs/free/

这里采用界面操作形式删除也可以，具体方法参照上步骤（步骤3）

5、修改配置源（Linux版）

1）使用vim修改的配置文件

vim ~/.condarc

2）清空内容，然后复制下午并保存

#以下是阿里源（推荐使用）
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.aliyun.com/anaconda/pkgs/main/
  - https://mirrors.aliyun.com/anaconda/pkgs/free/
  - https://mirrors.aliyun.com/anaconda/pkgs/r/
  - https://mirrors.aliyun.com/anaconda/pkgs/msys2/
custom_channels:
  conda-forge: https://mirrors.aliyun.com/anaconda/cloud
  msys2: https://mirrors.aliyun.com/anaconda/cloud
  bioconda: https://mirrors.aliyun.com/anaconda/cloud
  menpo: https://mirrors.aliyun.com/anaconda/cloud
  pytorch: https://mirrors.aliyun.com/anaconda/cloud
  pytorch-lts: https://mirrors.aliyun.com/anaconda/cloud
  simpleitk: https://mirrors.aliyun.com/anaconda/cloud
remote_read_timeout_secs: 10000.0

# 以下是清华源（不建议使用）
channels:
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

6、常用命令

1）环境类

# 进入（激活）环境（将命令中的中文替换对应的英文名）
activate 环境名

# 退出（关闭）环境（将命令中的中文替换对应的英文名）
deactivate 环境名

#列出所有环境（三条命令皆可）
conda env list
conda info --envs
conda info -e

# 删除环境及下属所有包（将命令中的中文替换对应的英文名）
conda remove -n 环境名 --all 

# 删除本环境下的所有包（不删除环境）
conda clean -all

# 复制环境（将命令中的中文替换对应的英文名）
conda create --name 新环境名 --clone 旧环境名

2）包类

# 查看conda的版本号，通常都是查看版本号以验证某软件是否安装
conda --version

# 列出当前环境的所有包
conda list

# 查看当前环境已安装包
conda list

# 查找可安装的包（将命令中的中文替换对应的英文名）
conda search 包名

# 在当前环境安装包（将命令中的中文替换对应的英文名）
conda install 包名

# 在指定环境安装包（将命令中的中文替换对应的英文名）
conda install --name 环境名 包名

# 在当前环境更新包（将命令中的中文替换对应的英文名）
conda update 包名

# 在当前环境更新所有包（以下两条命令皆可）
conda update --all
conda upgrade --all

# 在当前环境卸载包（将命令中的中文替换对应的英文名）
conda remove 包名

# 在指定环境卸载包（将命令中的中文替换对应的英文名）
conda remove --name 环境名 包名

# 精确查找包
conda search --full-name 精确包名
# 例子：conda search --full-name python

# 模糊查找包
conda search 模糊包名
# 例子：conda search py

第三节 Pytorch安装与配置

1、创建Pytorch环境

使用 Anaconda Prompt （菜单栏中选项，如果不记得了，查看第二章第一节的第1步）进入命令行，创建一个pytorch环境

# 命令模板
conda create -n 环境名称 python=实际安装Python版本

# 实际执行
conda create -n pytorchDemoProject python=3.11.5

我这里创建的环境名称为pytorchDemoProject，实际的Python的版本为3.11.5

注：如果不指定python版本，则会安装anaconda的相应的版本的。如anaconda是第二版，则会安装python2的版本；如anaconda是第三版，则会安装python3的版本

在安装过程中，先会找到对应的包，然后过程中提提示是否安装Y/N，这时候输入y并回车即可。
如图，第一张图为更新升级conda。再执行一次，即为安装pytorch。
作者注：这里在安装过程中实际上出现了一些问题，作者解决了之后，即可成功安装。但因如此，没能成功截取到图片。因此这里少了一张安装的图片，但安装过程如上文所述，只需在过程中按y并回车以确认安装即可。

2、激活Pytorch环境

然后激活刚刚创建的pytorchDemoProject 环境，这里的激活也可以理解为进入的意思

conda activate pytorchDemoProject 

如图

3、关闭Pytorch环境（可选）

这一步是可选的，有激活的命令，也就有对应的关闭命令，关闭刚刚创建的pytorchDemoProject环境

conda deactivate pytorchDemoProject 

4、找到pytorch命令

去官网找到安装命令

然后根据图示的方法选择命令

复制这里生成的命令（即Run this Command中的命令，也就是下面这条），然后执行生成的命令，以安装pytorch

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

安装过程中还要输入一次y进行确认，在安装过程中会遇到很多问题，请查看下面的附节一进行排查和解决

5、验证pytorch安装

使用命令先查看是否安装成功

conda list

如图，显示如下，即表示该环境下有这些包了

安装完了之后，输入python命令进入python界面
然后输入import torch进行导入
然后输入torch.cuda.is_available()进行验证是否成功，如图

如图，即表示安装成功

附节一、报错的场景和方法

1、创建环境报错

报错提示如下

CondaHTTPError: HTTP 000 CONNECTION FAILED for url https://conda.anaconda.org/pytorch/win-64/pytorch-2.1.1-py3.11_cuda12.1_cudnn8_0.tar.bz2
Elapsed: -
An HTTP error occurred when trying to retrieve this URL.
HTTP errors are often intermittent, and a simple retry will get you on your way.

没有更新配置镜像源所致，需要更新一下镜像源

2、创建pytorch报错

报错提示如下

配置了错误的镜像源所致，需要更新一下配置的镜像源

3、下载时间超时

有时候也会报超时的错误，如图

CondaError: Downloaded bytes did not match Content-Length
url: https://conda.anaconda.org/pytorch/win-64/pytorch-2.1.1-py3.11_cuda12.1_cudnn8_0.tar.bz2
target_path: C:\Users\tangweixuan\AppData\Local\anaconda3\pkgs\pytorch-2.1.1-py3.11_cuda12.1_cudnn8_0.tar.bz2
Content-Length: 1339118426
downloaded bytes: 26179998

解决方法1：
直接命令行

# 设置100000.0秒的超时时长
conda config --set remote_read_timeout_secs 100000.0

解决方法2：
找到.condarc配置文件，在配置文件最后添加

remote_read_timeout_secs: 100000.0

4、报错信息

Downloading and Extracting Packages
Preparing transaction: done
Verifying transaction: failed
CondaVerificationError: The package for libcurand-dev located at C:\Users\tangweixuan\AppData\Local\anaconda3\pkgs\libcurand-dev-10.3.4.101-0
appears to be corrupted. The path 'bin/curand64_10.dll'
specified in the package manifest cannot be found.
CondaVerificationError: The package for libcurand-dev located at C:\Users\tangweixuan\AppData\Local\anaconda3\pkgs\libcurand-dev-10.3.4.101-0
appears to be corrupted. The path 'include/curand_precalc.h'
specified in the package manifest cannot be found.
ClobberError: This transaction has incompatible packages due to a shared path.
packages: nvidia/win-64::cuda-cupti-12.1.105-0, nvidia/win-64::cuda-nvtx-12.1.105-0, nvidia/win-64::cuda-profiler-api-12.3.101-0
path: 'license'
ClobberError: This transaction has incompatible packages due to a shared path.
packages: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::jpeg-9e-h2bbff1b_1, https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0
path: 'library/bin/cjpeg.exe'
ClobberError: This transaction has incompatible packages due to a shared path.
packages: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::jpeg-9e-h2bbff1b_1, https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0
path: 'library/bin/djpeg.exe'
ClobberError: This transaction has incompatible packages due to a shared path.
packages: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::jpeg-9e-h2bbff1b_1, https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0
path: 'library/bin/jpegtran.exe'
ClobberError: This transaction has incompatible packages due to a shared path.
packages: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::jpeg-9e-h2bbff1b_1, https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0
path: 'library/bin/rdjpgcom.exe'
ClobberError: This transaction has incompatible packages due to a shared path.
packages: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::jpeg-9e-h2bbff1b_1, https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0
path: 'library/bin/wrjpgcom.exe'
ClobberError: This transaction has incompatible packages due to a shared path.
packages: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::jpeg-9e-h2bbff1b_1, https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0
path: 'library/include/jconfig.h'
ClobberError: This transaction has incompatible packages due to a shared path.
packages: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::jpeg-9e-h2bbff1b_1, https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0
path: 'library/include/jerror.h'
ClobberError: This transaction has incompatible packages due to a shared path.
packages: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::jpeg-9e-h2bbff1b_1, https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0
path: 'library/include/jmorecfg.h'
ClobberError: This transaction has incompatible packages due to a shared path.
packages: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::jpeg-9e-h2bbff1b_1, https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0
path: 'library/include/jpeglib.h'
ClobberError: This transaction has incompatible packages due to a shared path.
packages: https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::jpeg-9e-h2bbff1b_1, https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0
path: 'library/lib/jpeg.lib'

暂时没找到这个报错的原因，直接从头开始来一遍了

第四节 进入pycharm

1、添加环境

直接使用命令行的形式来操作不好操作，这个时候用pycharm进行操作与开发。使用pycharm可以把刚刚创建好的anaconda的环境添加进去，就无需使用命令行进行开发了。
打开pycharm，任意创建一个pure python的project（为了方便看，我这里创建的是一个名叫pytorchProject的项目），你也可以随意命名。然后进入setting设置，然后添加接口

然后选择路径

使用我们刚刚的路径

# 注意：这里是我的电脑用户tangweixuan，你自己的电脑用户不一定是这个，请注意替换
C:\Users\tangweixuan\AppData\Local\anaconda3\Scripts\conda.exe

然后加载一下，并且选择我们在Anaconda中创建pytorchDemoProject（此刻，教育完成了闭环了。请给自己鼓掌打打气，你基本已经完成了安装和配置了），并且点击OK即可

可以看到我们刚刚安装的环境里面的包，都有了

然后点击ok，回到主界面；在main.py中输入

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

点击右上的播放按键进行执行

如上图，在下方控制台上打印出了True，表示成功了。

2、小试牛刀

在刚刚的pycharm中，使用和尝试一些基本的pytorch语法来小试牛刀吧！

# 创建一个未初始化的5x3矩阵
x1 = torch.empty(5, 3)
print('x1的结果是：')
print(x1)

# 创建一个随机初始化的5x3矩阵
x2 = torch.rand(5, 3)
print('x2的结果是：')
print(x2)

# 创建一个5x3的零矩阵，类型为long
x3 = torch.zeros(5, 3, dtype=torch.long)
print('x3的结果是：')
print(x3)

# 直接从数据创建tensor
x4 = torch.tensor([5.5, 3])
print('x4的结果是：')
print(x4)

这时输入到main.py中（注意，import torch这句话需要一直保留，即使在后面的开发中也需要保留），可以在下方的控制台看到输出的结果

控制台的具体结果如下图

到这里，你就基本完成pytorch的安装与配置了，接下来，可以大展拳脚了，你也来试试看吧（完结撒花）。

本文完全免费且公开，如果你觉得不错的话，请扫描下方二维码进行赞赏吧，你的支持就是我最大的动力，感谢！

请支持原创，认准DannisTang（tangweixuan1995@foxmail.com）