Anaconda+Pycharm环境下如何配置PyTorch-创新互联

这篇文章将为大家详细讲解有关Anaconda+Pycharm环境下如何配置PyTorch，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

为华容等地区用户提供了全套网页设计制作服务，及华容网站建设行业解决方案。主营业务为成都网站设计、成都网站建设、华容网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！pycharm是什么，为什么让我指定interpreter

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

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

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+XX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

conda list |grep torch

创建新的conda虚拟环境

官方文档

https://conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html

conda create --name pytorch-py36 --channel pytorch python=3.6 pytorch-cpu torchvision-cpu

使用conda虚拟环境

activate pytorch-py36python

在打开的python命令行里输入

import torchimport torchvisionimport numpy

不报错则说明构建conda虚拟环境pytorch-py36成功。 注意：pytorch-py36默认在anaconda目录下的envs文件夹中。

在pycharm中使用conda虚拟环境将自己创建的conda虚拟环境pytorch-py36添加到pycharm的interpreter可选列表中

在pycharm新建工程，或在files->settings->project:->project interpreter界面，可以设定project interpreter。

新建工程界面，选择Existing enviroment，点击...按钮，会弹出添加界面。settings界面，点击齿轮按钮，选择Add，会弹出添加界面。在添加界面左侧选择Conda Environment，右边选择Existing environment，再点击...按钮添加一个已经存在的conda虚拟环境，即刚刚构建的pytorch-py36。

使用已经添加进来的虚拟环境pytorch-py36

在interpreter列表中选择刚刚添加的interpreter。如果需要对刚添加的interpreter改名，比如把python 3.6 (3)改成pytorch-py36，则点击齿轮按钮，点击show all，里面可以改名。

大功告成！

试着使用import torch，import torchvision这样的语句，不会报错则成功。

pytorch手动配置方法源码安装python3.6.7下载python3.6.7

cd ~wget https://www.python.org/ftp/python/3.6.7/Python-3.6.7.tgz

创建目录，改名

mkdir ~/pythonmkdir ~/python/python367mv ~/Python-3.6.7.tgz ~/python/python367.tgz

解压缩

cd ~/pythontar xvf python367.tgz

源码安装zlib

zlib是python需要的依赖库，必须提前安装。如果有管理员权限，只需用包工具即可安装，如sudo apt-get install zlib1g-dev；因为没有管理员权限，所以采用源码安装。可以用以下两条命令确认zlib是否存在。

ls /usr/include |grep zlibls /usr/lib |grep zlib

如果任意一条输出为空，则说明zlib不存在，需要安装。 注意：|grep可以跟在任意命令之后，对该命令的输出结果进行搜索，只显示跟搜索内容有关的部分。

cd ~/python/Python-3.6.7/Modules/zlibmkdir 
~/python/zlib./configure --
prefix=/home4/grad4/wzhao1/python/zlibmake install

然后将zlib加入到GCC的include和lib路径中。

export C_INCLUDE_PATH=~/python/zlib/includeexport CPLUS_INCLUDE_PATH=~/python/zlib/includeexport LD_LIBRARY_PATH=~/python/zlib/libexport LIBRARY_PATH=~/python/zlib/lib

注意：此处的路径修改仅对当前shell有效，关闭shell或断开重连都会导致路径失效。因为我们只需要编译一次，所以采用这种方式。想查看这两个路径的当前值使用echo命令，即echo $C_INCLUDE_PATH。如果想要每次都生效，可以将export命令写入.bashrc中。 注意：GCC编译时搜索的路径远比这些变量多，这些变量只是其中的一部分，且通常默认为空，也不是最优先的。比如最常见的，也是一般情况下最优先的搜索路径是/usr/include和/usr/lib，也就是刚才判断zlib是否存在的命令中搜索的路径。 注意：四个变量含义：C头文件路径(.h)，C++头文件路径(.hpp)，动态链接库路径(.so)，静态链接库路径(.a)。

编译安装

cd ~/python/Python-3.6.7/./configure --

prefix=/home4/grad4/wzhao1/python/python367makemake install

如有报错，必须停下来解决问题。如果一直没有报错，则会安装成功。 注意：--prefix后面的参数必须是绝对路径，不能出现~，.，..这样的相对路径。echo ~可以显示处当前用户~目录的绝对路径，如/home4/grad4/wzhao1。--prefix后面的参数简单理解，就是windows下的安装路径。 注意：以上过程是自动化编译，./configure这种可运行文件一般显示为绿色，它的作用是根据当前环境，制定编译策略，即Makefile。C/C++语言与java，python，scala，R等高度现代化的编程语言不同，它的部分语言特性是根据编译时环境而定的，这一点颇受诟病。如long，int型的数据类型长度竟然取决于编译时环境。

验证安装1

cd ~/python/python367/bin./python3.6

如果python命令行正常启动，且显示版本也是正确的3.6.7，则安装成功。

备份编译包

同一环境，尤其是同一服务器下通常不需要重新编译，只要有人编译出一份并备份保存，所有人都能直接下载使用。为了这个目的，以及备份的目的，我们要把编译结果保存成压缩包。

cd ~/pythontar cvf python367.tgz python367

建立软连接

软连接可以简单理解为windows下的快捷方式，建立软连接的目的是为了更方便地使用我们安装的python。从这个步骤开始都不做，python也能正常使用。进入~/python/python367/bin下查看目前的情况。

ls -lh

可以看到，软连接是浅蓝色，并标注了它指向的目标。如python3 -> python3.6，而且可以看到python3.6的文件大小是12M，而python3的大小是9（字节）。我们建立名为python和pip的软连接。

ln -s python3.6 pythonln -s pip3.6 pip

配置环境变量

修改文件~/.bashrc，添加python3.6.7环境变量。 注意：这个文件内的变量是用户变量。系统变量在/etc/profile。

cd ~vim .bashrc

注意：用vim进行编辑时，不可使用鼠标。屏幕下端是状态栏。打开文件时，默认为浏览状态。输入a或i可以进入编辑状态。按ESC回到浏览状态，在浏览状态下，输入:q!强制退出不保存，输入:wq保存退出。

export PYTHON_HOME="~/python/python367"export 
PATH="$PYTHON_HOME/bin:$PATH"

修改完环境变量后，不会立即生效。用这个命令让环境变量立即生效。

source .bashrc

验证安装2

python --versionpip --version

显示下列结果即安装成功

Python 3.6.7pip 10.0.1

今后该用户的shell里只要输入python和pip，默认就是使用刚才安装的python和pip。

在python3.6.7中安装pytorch下载pytorch

在 https://pytorch.org 找到合适的安装包，得到下载链接后进行下载

wget https://download.pytorch.org/whl/cpu/torch-
1.0.1.post2-cp36-cp36m-linux_x86_64.whl

使用pip安装pytorch

pip install torch-1.0.1.post2-cp36-cp36m-
linux_x86_64.whlpip install torchvision

注意：torch-1.0.1.post2-cp36-cp36m-linux_x86_64.whl不能改名，因为pip会严格检查文件名是否符合当前python版本，不符合则拒绝安装。

验证安装

pythonimport torchimport torchvision

不报错则安装成功。

在Pycharm下使用pytorch

在新建工程的时候选择existing interpreter，指定之前安装的python.exe即可。（即~/python/python367）对于已经存在的工程，可以按如下步骤操作（如果project interpreter里面有我们要的python.exe，就不需要再add了）

关于“Anaconda+Pycharm环境下如何配置PyTorch”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。

本文标题：Anaconda+Pycharm环境下如何配置PyTorch-创新互联
URL标题：http://jkwzsj.com/article/cogejc.html