前言：
刚入门深度学习的小白不知道怎么搭建深度学习和数据分析环境？
这篇文章手把手教你从零开荒！涵盖了Anaconda、VSCode、PyCharm、PyTorch以及Jupyter的完美联用配置。

1. 深度学习环境配置（PyTorch）

通过 Win + R 输入 cmd 打开命令行，此时可以直接通过 conda activate base 进入基础环境

1.1 创建并激活环境 pytorch_env

# 创建新环境pytorch_env，指定Python版本为3.10
conda create -n pytorch_env python=3.10  
# 激活环境
conda activate pytorch_env

1.2 安装 PyTorch 与常用科学计算库

# 查看自己显卡的cuda版本
nvidia-smi

去PyTorch官网复制对应CUDA版本的下载命令（注意：一般选择略低于主机CUDA配置的型号，下载时建议开启代理保证网络畅通）：

pip3 install torch torchvision --index-url [https://download.pytorch.org/whl/cu128](https://download.pytorch.org/whl/cu128)

验证是否成功（输出 True 即为成功）：

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

示例：

顺手装上必备的数据处理和图像处理库：

pip install jupyter pandas numpy matplotlib seaborn scikit-learn
pip install opencv-python scikit-image pillow

2. 终极奥义：环境的多开联用

配置好环境后，如何让我们的三大开发工具都能用上这个 pytorch_env？

📌 PyCharm 联用

① 打开PyCharm创建项目

② 在右下角配置解释器 -> 添加新的解释器 -> 系统解释器；选择刚才在Anaconda中创建的 pytorch_env 目录下的 python.exe 文件

此时打开PyCharm终端，前面显示 (pytorch_env) 说明联用彻底成功！

📌 VSCode 联用

直接打开VSCode，在右下角环境选择处，点击选择刚刚创建的 pytorch_env 即可直接跑代码。

📌 Jupyter Notebook 联用

只需要给该环境安装一个内核：

# 激活环境
conda activate pytorch_env
# 安装ipykernel
pip install ipykernel
# 将环境注入Jupyter
python -m ipykernel install --user --name pytorch_env --display-name "pytorch_env"

此时jupyter的右上角更换kernel的位置可更换刚刚联用后的pytorch环境

总结：到此为止，Conda、命令行、Jupyter、VSCode和PyCharm的环境已经完全打通互通了！开启你的炼丹之路吧！有问题欢迎在评论区留言交流~