Anaconda+Pycharm环境下的环境下的PyTorch配置方法配置方法
写给新手的话写给新手的话
pycharm是什么，为什么让我指定是什么，为什么让我指定interpreter
记事本记事本
最开始写C语言代码的时候，人们使用vi，记事本等软件写代码，写完了之后用GCC编译，然后运行编译结果，就是二进制文
件。python也可以这样做，用记事本写完代码，保存成如test.py的文件后，通过命令python test.py可以运行这一文件。最初的C语言
代码都是通过这种方式写的。但是人们很快发现了一个问题，就是这么弄太麻烦了，编写用vi，运行得切出去用shell，出错了
再切回vi改代码。这要是编写、运行、调试都能在同一个窗口里进行，再来点语法检查，高亮，颜色，代码提示，那写代码的
效率不就高多了吗？所以就有了Microsoft Visual C++等写代码工具，这些工具除了提供方便的文本编辑功能，还能够连接到编译
器（C/C++）、解释器（java，python，R），把编译器和解释器的运行结果显示在自己的界面上，这些工具被称为IDE（集成开
发环境）。正因为编译器，解释器不是它的组成部分，pycharm中每个项目都要指定一个interpreter才能运行。即某个路径下
的python.exe。其他的IDE也都要指定运行环境。
pip又是什么又是什么
应用商店应用商店 python和java一样，运行起来需要各种包的支持。java兴起的最开始，开源jar包作者在各自的网站上面发布自己的包，
需要用的开发者就去他们的网站上下载，然而很快就出现了一个问题，如果一个大型工程需要用到几十个，甚至几百个jar包，
一个个翻网站下载显然是非常劳累的。所以就有了maven和gradle，他们自己建了maven仓库和gradle仓库，就像IOS应用商店一样，
开源jar包的作者会把各种版本的jar包统一上传到仓库，开发者统一下载，非常方便。 python问世的时候，java的maven和gradle早
已流行多年，python官方也吸取了经验，直接官方内置pip工具，官方经营pip仓库。正式的名称叫做包管理工具。 conda的功能之
一也是包管理工具。
conda，，vitualenv，，pipenv 又是什么又是什么
照片管理系统照片管理系统 python版本繁多，版本之间的区别较大。这种不兼容激化了矛盾，当一台机器上存在多个python项目，而这些项
目又各自依赖于不同的python版本以及各个不同版本的包，这些包对于python版本又非常敏感。即使有pip，配置环境也变成了一
件令人绝望的事。以往java等语言没有这么激烈的矛盾，是因为它们没有这么多版本，而且版本之间也能大体兼容。所以人们
就想，如果能把pip配置出来的结果“照”下来。不同项目用不同的“照片”，这问题不就解决了吗。这类任务通常都是靠虚拟化技
术。
传统的虚拟机可以胜任这个任务，但是运行效率有损失，消耗资源多，管理不灵活。
新晋的docker容器比虚拟机更加轻量，更加灵活，但对于这个任务来说，还是同样的缺点。
于是conda等软件应运而生，它不是虚拟机，没有使用虚拟化技术，自然就没有运行效率损失。它只是一个物理机上的管理软
件，可以把它想象成一个照片管理系统，只不过它管理的照片有点特殊，叫做虚拟环境，它是某个python运行环境，里面已经装好
了一些特定版本的特定包。
注意：
pip
和
pipenv
是两个东西，不可混为一谈。
anaconda是什么，anaconda和conda是什么关系，为什么要装anaconda
XX照片管理系统照片管理系统+XX全家桶全家桶 anaconda和miniconda同为conda官方推荐的conda工具。anaconda和conda的关系，就像github和git的关
系，anaconda不光包含了conda命令行软件，还包含了多如牛毛的预装python包，以及令人瞠目结舌的黑科技全家桶。我们
装anaconda主要是冲着conda管理python运行环境比较方便的原因，以及它那一大堆预装包。虽然其他的我们用不到，但是大树
底下好乘凉嘛。
下文所述两种配置方法异同
下面有两种pytorch环境配置方法，推荐使用第一种，即使用conda的pytorch环境配置方法。第二种费时费力。这是亲测的结果。
不禁慨叹还是conda好用，手动撸环境犹如小米加步枪啊。
使用conda的pytorch环境配置方法安装anaconda下载anaconda
在https://www.anaconda.com/distribution/ 找到合适的安装包，得到下载链接后进行下载
https://repo.anaconda.com/archive/Anaconda3-2019.03-Linux-x86_64.sh
安装anaconda
所有步骤参照官方文档 https://docs.anaconda.com/anaconda/install/linux/
bash Anaconda3-2019.03-Linux-x86_64.sh
使用conda组装pytorch虚拟环境安装pytorch到本地conda仓库中
到pytorch官方网站找到合适的安装命令 https://pytorch.org/get-started/locally/
注意：
CUDA
是使用
GPU
进行计算的组件。
conda install pytorch-cpu torchvision-cpu -c pytorch
使用下面的命令可以看到conda仓库中的torch
评论0