Anaconda/PyTorch的环境配置及安装

介绍

Anaconda 是一个开源的 Python 和 R 编程语言的发行版，主要用于数据科学、机器学习、大数据处理等领域。它最大的特点是集成了大量常用的数据科学库，并提供了便捷的环境管理工具，能帮助用户轻松解决依赖冲突、多环境隔离等问题。

核心功能与优势

1. 一站式库管理
   预安装了数百个数据科学相关的库（如 NumPy、Pandas、Matplotlib、Scikit-learn、TensorFlow、PyTorch 等），无需手动逐个安装，大幅降低入门门槛。

2. 环境隔离与管理

   • 支持创建多个独立的 Python 环境（如项目 A 用 Python 3.8 + TensorFlow 2.0，项目 B 用 Python 3.9 + PyTorch），避免库版本冲突。
   • 通过命令行或图形界面（Anaconda Navigator）快速创建、切换、删除环境。

3. 跨平台兼容性
   支持 Windows、macOS、Linux 系统，统一的操作方式降低了跨平台开发的成本。

4. 包管理工具

   • 使用 conda 命令管理包（安装、更新、卸载），自动处理依赖关系，比原生 pip 更适合复杂环境。
   • 也兼容 pip，可混合使用两种包管理工具。

PyTorch 是一个开源的深度学习框架，由 Facebook AI Research（FAIR）开发并维护。它基于 Python 和 Torch 库，专为机器学习和深度学习任务设计，尤其在自然语言处理（NLP）、计算机视觉（CV）和语音识别等领域应用广泛。

核心特点

1. 动态计算图

   • 与 TensorFlow 的静态图不同，PyTorch 采用动态计算图，代码执行时即时构建计算图，调试更直观（类似 Python 原生代码）。
   • 适合快速迭代和复杂模型开发，如强化学习、生成对抗网络（GAN）等。

2. Python 优先

   • 完全集成 Python，支持 Python 的所有特性（如类、函数、控制流），代码更易理解和维护。
   • 提供丰富的高级 API（如 torch.nn、torch.optim），简化模型构建。

3. 强大的 GPU 支持

   • 通过 torch.cuda 模块无缝支持 NVIDIA GPU 加速，利用 CUDA 和 cuDNN 优化计算效率。
   • 支持分布式训练（多 GPU、多节点），加速大规模模型训练。

4. 丰富的工具生态

   • TorchVision：计算机视觉库，提供预训练模型（如 ResNet、VGG）和常用数据集（如 CIFAR-10、ImageNet）。
   • TorchText：自然语言处理库，支持文本分类、机器翻译等任务。
   • TorchAudio：音频处理库，提供语音识别、音频合成等功能。
   • PyTorch Lightning：轻量级包装器，进一步简化训练流程。

下载 

anaconda去官网下载

Advance AI with Open Source | Anacondahttps://www.anaconda.com/下载完后 在开始菜单栏里 找到 Anaconda Prompt

默认的环境是base 

创建新虚拟环境   -n 表示环境名  python=n  表版本号

(base) C:\Users\thl32>conda create -n pytorch python=3.9

 激活创建的环境

(base) C:\Users\thl32>conda activate pytorch

成功激活后 前面的base  会变成自己创建的环境名

pip list 表示展示这个环境里所有的东西  发现没有pytorch 

现在开始下载pytorch

PyTorchhttps://pytorch.org/

 选好配置之后 复制命令 到我们的anaconda prompt里

成功下载  用pip list 看一下现在的环境配置