Pycharm中配置Anaconda 虚拟环境（深度学习pytorch环境搭建）

前言

本文是在作者学习小土堆《Windows下PyTorch 入门深度学习环境安装与配置》系列视频后所整理，以巩固自己所学。作为初学者，若文中有不当之处，望不吝指正。

配置环境所需各软件之间的关系

Pycharm为集成开发环境，用于编写Python代码，在pycharm中配置Python解释器环境后，可执行Python程序。Python解释器是用于将代码转化成计算机可识别的符号，然后发送给CPU进行处理，所以是运行代码必不可少的。关于Python解释器的配置可以在Python官网下载自己所需的Python版本，但若今后所运行的项目对Python版本的要求不一样，则需重复安装卸载不同版本的Python解释器，十分不便，而Anaconda很好的解决了这一问题。

Anaconda是虚拟环境管理器，可以新建不同的虚拟环境，各环境之间相互独立，互不干扰。安装Anaconda后，有一个默认的base虚拟环境，其中已经安装了一些常用的包。

Pytorch、TensorFlow都是深度学习代码中可能使用到的一些包，可以在自己创建的虚拟环境中下载这些包，然后pycharm中的代码即可调用这些包，若包缺失，则代码会发生报错。

在深度学习中调用Pytorch等包时，会使用GPU（graphics processing unit 图像处理器）进行计算处理，以加速深度学习网络的训练。GUP为计算机硬件，CPU在接收到调用GPU的指令后，首先会调用软件CUDA runtime version，该软件再调用驱动程序CUDA driver version，通过驱动就可操作英伟达（NVIDIA）显卡。

以下安装以NVIDIA显卡为例，判断自己电脑是否为NVIDIA显卡，可打开任务管理器——性能，看GPU型号是否有NVIDIA字样，如下图所示。