1.ANACONDA安装
Anaconda 是全球领先的数据科学与机器学习平台，专为开发者、数据分析师设计。通过 Anaconda，您可以轻松管理数据环境、安装依赖包，快速启动数据分析、机器学习项目。
- 丰富的 Python 数据科学库：Anaconda 集成了常用的 Python 数据科学库，如 NumPy（数值计算）、Pandas（数据处理）、Matplotlib 和 Seaborn（数据可视化）、Scikit-learn（机器学习）等，涵盖了从数据预处理到机器学习的完整工作流。
- 虚拟环境管理：Anaconda 提供了虚拟环境管理功能，允许您创建、隔离和管理不同项目的环境，确保各项目之间的依赖不互相干扰。
- Jupyter Notebook 集成：内置 Jupyter Notebook，帮助您在交互式界面中编写、运行 Python 代码，进行数据分析、可视化和报告展示。
- 机器学习和深度学习支持：Anaconda 支持各种机器学习库（如 TensorFlow、PyTorch）和深度学习工具，帮助您快速启动机器学习项目。
安装下载及配置教程参考
2.显卡配置
主要是配置驱动和CUDA Toolkit(可以和PyTorch一键安装)
打开任务管理器，选择GPU，显卡幸好如果正确显示则安装成功
3.ANACONDA的使用
管理python版本
- 创建环境
Anaconda基础的conda包可以创建出不同环境，环境之间相互隔离
conda create -n pytorch python=3.11
conda表示调用conda包表示创建的意思，-n 后面的英文pytorch是指该环境的名字，可以修改，python=来设置该环境的python版本
- 切换环境
激活环境
conda activate pytorch
退出环境
conda deactivate
4.安装pytorch
pytorch是开源的机器学习库
查看虚拟环境的安装包是否有pytorch pip list
PyTorch的安装版本与电脑的系统配置有着很大的关联，具体的命令可以从官网上查看
打开命令行nvidia-smi查看驱动版本，选择要下载的CUDA版本不要大于CUDA Version，不然需要更新驱动版本。
从官网上可以得到下载命令，我这里是conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia，将其复制到anaconda prompt中下载pytorch
由于我们之前设置了镜像，这里的-c pytorch可以删除，，-c pytorch的意思是，安装下载的channel强制为pytorch官网的channel。我感觉好像也没快很多
检查是否安装完成
>>> python #进入python环境
>>> import torch # 引入pytorch
>>> torch.cuda.is_available() #pytorch 是否可以使用电脑GPU
5.Python编辑器的安装及使用
两个编辑器任选一个安装即可，我这里两个都安装了。
编译器的安装
1.PyCharm的安装
深度学习的数据量一般很大，一般都是挂服务器上运行代码，而pycharm专业版才可以远程开发。
PyCharm官网下载
2.jupyter的安装
交互式网页，主要特点可以将代码可视化。可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示的程序。当代码出现错误时可以使用其进行调试。
我们安装了anaconda之后，jupyter已经被自动安装到了电脑里。
存在问题：默认情况Jupyter只安装到base中
解决办法：我们需要在Pytorch环境中安装Jupyter
在命令行中输入：conda install nb_conda
输入jupyter notebook启动
测试Jupyter是否启动pytorch环境
创建一个新项目
1.在Pycharm中使用现有虚拟环境(pytorch)创建一个新项目
下载完成后，我们创建一个新的项目，引入我们之前创建的虚拟环境Pytorch
conde路径是找安装位置下的Script\conda.exe
找condabin/conda.bat好像也可以
环境名可以在anaconda prompt里面通过命令conda env list或者conda info --envs查看
检测虚拟环境pytorch是否成功导入pycharm
查看当前项目解释器是否是pytorch
Jupyter新建项目及使用
在Anaconda prompt中打开jupyter
然后会自动弹出一个网页，该网页的目录就是启动命令时的路径，我的项目在G盘，所以这里需要在G盘启动jupyter notebook G:
创建一个文件，jupyter中每一个块为运行的整体
