000 深度学习环境搭建指南（Windows/Linux）

yy_xzz

1062人浏览 · 2025-12-18 15:49:37

yy_xzz · 2025-12-18 15:49:37 发布

目标

在Windows或Linux系统上安装Anaconda（Python环境管理工具）
掌握Anaconda的基本使用方法（创建环境、安装包、管理环境）
安装配置Jupyter Notebook和PyCharm开发工具
测试PyTorch环境是否安装成功

第一部分：Anaconda的安装与配置

在这里插入图片描述

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？

环境隔离：不同的项目可以用不同的Python版本和库版本，互不干扰
包管理方便：conda可以自动解决包依赖问题
预装常用库：已经包含了数据分析、机器学习常用的库

1.2 下载Anaconda

Windows用户：

打开浏览器，访问：https://www.anaconda.com/products/individual
找到下载区域，选择 Windows 版本
下载 Python 3.9 或 3.10 的64位安装程序（文件约500MB）
如果网络较慢，可以使用国内镜像：
- 清华大学镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

Linux用户：

打开终端（Ctrl+Alt+T）

下载安装脚本：

# 使用wget下载（如果没有wget，先安装：sudo apt install wget）
wget https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh

# 或者使用curl下载
curl -O https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh

1.3 安装Anaconda

Windows安装步骤：

双击下载的.exe文件
点击 Next
阅读许可协议，点击 I Agree
选择 Just Me，点击 Next
重要：选择安装路径，建议：
- 不要安装在C盘根目录
- 路径中不要有中文或空格
- 例如：D:\Anaconda3
重要配置：
- ✅ 勾选 Add Anaconda3 to my PATH environment variable
- ✅ 勾选 Register Anaconda3 as my default Python 3.9
点击 Install，等待安装完成（约10-20分钟）
安装完成后，点击 Next → Finish

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：

按下 Win + R，输入 cmd，打开命令提示符
输入以下命令，按回车：
```
conda --version
```
如果显示类似 conda 23.9.0 的版本信息，说明安装成功！

Linux验证：

打开终端（Ctrl+Alt+T）
输入：
```
conda --version
```
应该显示conda版本信息

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

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：

访问：https://www.jetbrains.com/pycharm/download/
下载 Community版（免费）
双击安装，建议选择：
- ✅ Add “Open Folder as Project”
- ✅ .py关联
- 安装路径不要有中文

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：

打开PyCharm
创建新项目 → Pure Python
在 Location 选择项目路径
重要：在 Python Interpreter 设置中：
- 点击下拉箭头 → Show All
- 点击 + → Conda Environment
- 选择 Existing environment
- 路径指向：你的Anaconda安装路径\envs\dl_env\python.exe
点击 Create

测试PyCharm配置：

在项目中新建 test.py

输入：

import torch
import numpy as np

print("PyTorch版本:", torch.__version__)
print("NumPy版本:", np.__version__)

右键 → Run ‘test’

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：

以管理员身份打开Anaconda Prompt
或者将Anaconda安装目录下的Scripts文件夹加入PATH

Linux：

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

Q2: 安装包时网络超时？

配置国内镜像源（前面已介绍）
使用代理或切换网络

使用pip并指定国内源：

pip install package -i https://pypi.tuna.tsinghua.edu.cn/simple

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？

确保PyCharm使用的是Community版或Professional版
手动指定解释器路径：Anaconda安装路径\envs\环境名\python.exe

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：

Anaconda安装成功：conda --version 有输出
创建了深度学习环境：conda env list 能看到dl_env
成功激活环境：提示符显示 (dl_env)
PyTorch安装成功：python -c "import torch; print(torch.__version__)"
Jupyter能正常启动：jupyter notebook 能在浏览器打开
PyCharm能识别conda环境：新建项目时能看到dl_env

实操练习：

创建多环境练习：

# 创建两个不同Python版本的环境
conda create -n py38_env python=3.8
conda create -n py310_env python=3.10

# 分别安装不同版本的NumPy
conda activate py38_env
conda install numpy=1.19

conda activate py310_env
conda install numpy=1.21

项目环境迁移练习：

# 1. 在当前环境安装一些包
conda activate dl_env
conda install scikit-learn flask requests

# 2. 导出环境
conda env export > my_project_env.yml

# 3. 创建新环境从yml文件
conda env create -n new_env -f my_project_env.yml

Jupyter内核管理：

# 将conda环境添加到Jupyter
conda activate dl_env
conda install ipykernel
python -m ipykernel install --user --name=dl_env --display-name="Python (DL)"

# 启动Jupyter，在New菜单中就能看到你的环境

亚马逊云科技技术品牌专区

更多推荐

open-code-review Codex 插件教程：对话式调用评审技能指南

本文是一份面向新手的 **open-code-review Codex 插件教程**，教你在 Codex 中通过对话式方式调用 open-code-review 的 AI 代码评审技能。open-code-review 是阿里巴巴开源的 AI 代码评审工具，采用"确定性流水线 + LLM Agent"混合架构，内置多语言评审规则（NPE、线程安全、XSS、SQL 注入等），可在 Codex 里用一

亚马逊云科技技术品牌专区

OBS Studio 完整指南：免费开源录屏与直播软件从零上手

想做一场像模像样的直播，或者把屏幕内容录成教程视频，但一想到商用软件的订阅费就有些犹豫？其实你不需要花一分钱。OBS Studio 是一款免费开源的直播与录屏软件，支持 Windows、macOS 和 Linux，采集、混音、编码、推流、录制，一条流水线全包了。## 先搞清楚 OBS Studio 是什么OBS Studio 是一个"场景化"的采集合成工具：你把摄像头、窗口、浏览器、图片、

亚马逊云科技技术品牌专区

如何用MediaCrawler爬取小红书抖音数据？7大平台爬虫从安装到实战完整指南

MediaCrawler 是一个支持小红书、抖音、快手、B站、微博、百度贴吧、知乎的开源自媒体数据采集工具。它能按关键词、按帖子、按创作者主页三种方式抓取笔记/视频内容、评论甚至二级评论，并把结果存成 JSON、CSV、Excel 或数据库。适合做市场调研、竞品监控、内容选题的运营人员，以及想要现成爬虫框架而不想从零写 JS 逆向的开发者。## 从一次"手动抄数据"说起想象这个场景：你负责

亚马逊云科技技术品牌专区

所有评论(0)

查看更多评论

yy_xzz

@yy_xzz

已为社区贡献1条内容

000 深度学习环境搭建指南（Windows/Linux）

yy_xzz

目标

第一部分：Anaconda的安装与配置

1.1 什么是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：

1.4 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）

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？

创建深度学习环境：

激活和退出环境：

查看所有环境：

删除环境：

2.2 包管理

安装包：

查看已安装的包：

更新包：

卸载包：

2.3 环境导出与恢复

第三部分：安装深度学习框架

3.1 安装PyTorch

推荐安装方式：

验证PyTorch安装：

3.2 安装TensorFlow（可选）

第四部分：开发工具安装

4.1 Jupyter Notebook

安装Jupyter：

启动Jupyter：

浏览器中访问：

设置Jupyter工作目录：

4.2 PyCharm安装配置

Windows安装：

Linux安装：

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

5.2 常见问题解决

Q1: conda命令找不到？

Q2: 安装包时网络超时？

Q3: 环境激活失败？

Q4: PyCharm找不到conda环境？

总结练习

环境搭建检查清单：

实操练习：

所有评论(0)

温馨提示：您尚未绑定手机号

yy_xzz