摘要：通过Anaconda的虚拟环境和PyTorch的深度学习框架来建立Python的深度学习代码

一、安装Anaconda

在官网下载Anaconda，Download Anaconda Distribution | Anaconda

等待漫长的下载过程

这时候我推荐来一把酣畅淋漓的原神：

二、配置Anaconda的国内镜像源

参考：conda安装包_conda下载-CSDN博客

以配置清华镜像源为例：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
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 --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --set show_channel_urls yes
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
 

三、在Anaconda中创建虚拟环境

3.1查看当前虚拟环境：

conda info -e

3.2创建一个名为conda_env的虚拟环境：

conda create -n conda_env python==3.12

3.3激活（进入）虚拟环境：

conda activate conda_env

四、在虚拟环境中安装PyTorch

4.1进入PyTorch官网 ：PyTorch，下载对应的版本

 4.2有GPU的可以下载CUDA版本，没有的就选CPU版本：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

4.3漫长的下载过程：

这个时候我推荐来一把紧张刺激的三国杀：

五、安装scikit-learn包

查看当前虚拟环境下的所有包

conda list

没有所需要的包，如机器学习scikit-learn包，请自行下载

conda install scikit-learn

六、在pycharm中配置Conda虚拟环境的解释器

6.1找到pycharm右下角的“添加新的解释器”

6.2选择Conda Environment，并添加Anaconda的Scripts下的conda.exe

6.3其中第一个是默认的base解释器，这里我们选择刚刚创建的虚拟环境conda_env

 七、试运行

在pycharm中运行你的Python代码，可以看到成功运行