机器学习-环境配置
机器学习-环境配置
本用于搭建从零开始搭建一套完整的机器学习开发环境，涵盖 Python 环境管理、深度学习框架、GPU 支持及常用开发工具配置。
环境概述
机器学习开发通常需要以下组件：
- Python 运行环境
- 包管理工具（pip / conda）
- 深度学习框架（PyTorch）
- GPU 加速支持（CUDA + cuDNN）
- 开发工具（VScode/Pycharm）
python运行环境
由于不同的项目的python和cuda环境有所不同，推荐安装Miniconda
下载Miniconda
官方下载地址：https://www.anaconda.com/download
建议选择Miniconda版本(自定义安装，前者预装的第三方库太多)
若官网无法访问或下载太慢，可以选择清华镜像源进行下载
清华镜像源下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/
注意：archive存放的是anaconda版本，miniconda是存放的后者的版本，按需下载即可
安装步骤
Windows：
- 双击安装包
- 选择 “Add Anaconda to PATH”（建议勾选）
- 安装完成
建议软件不要安装在系统盘(占用空间较多)
Linux：
1 | bash xxxx-xxxx-Linux-x86_64.sh |
conda的一些使用指令
虚拟环境管理
创建虚拟环境
1 | conda create -n ml python=3.10 |
激活虚拟环境
1 | conda activate ml |
退出虚拟环境
1 | conda deactivate |
删除虚拟环境
1 | conda remove --name ml --all |
查看所有已创建的虚拟环境
1 | conda env list |
导出虚拟环境
1 | conda env export --name ml > environment.yml |
根据配置文件创建环境
1 | conda env create -f environment.yml |
-f：指定.yml文件路径。- 你也可以指定环境名称：
conda env create -f environment.yml --name newenv
包管理工具
conda和pip都可使用且指令相似，但不建议混用
若官方下载过慢，更换镜像源
conda：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
pip：https://mirrors.tuna.tsinghua.edu.cn/help/pypi/
深度学习框架
从PyTorch 2.7版本开始，通过pip 或 conda安装的官方预编译包已经内置了CUDA运行时和cuDNN 库，因此大多数情况下无需再手动下载和配置cuDNN。
pytorch官网：https://pytorch.org/get-started/locally/
根据python和cuda版本选择合适的pytorch版本，页面如下
可以在上面选择老版本进行指令安装，也可以通过观察新版本的安装指令pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu132最后的cu132是cuda的版本号13.2，你想安装版本为11.8对于的pytorch环境，可以修改为pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu118
查看显卡的指令
1 | nvidia-smi |
注意右上角的cuda版本是支持的最高版本而不是一定需要安装这个版本，若该支持最高的版本较低请更新驱动。
开发工具
去官网安装即可，官网地址如下