205-06-26 Python深度学习1——安装Anaconda与PyTorch库(Win11+WSL2+Ubuntu24.04版)

文章目录

  • 1 安装 wsl
    • 1.1 开启 Windows 支持
    • 1.2 安装 wsl
    • 1.3 移动 wsl 至其他盘
    • 1.4 其他事项
  • 2 安装 Anaconda
  • 3 安装 Python 环境
    • 3.1 创建 Conda 环境
    • 3.2 安装 Pytorch 库(gpu)
  • 4 安装 Pycharm
    • 4.1 Toolbox App 安装
    • 4.2 安装 Pycharm
    • 4.3 配置 Pycharm
  • 5 测试验证

本文配置:

  • win11 + wsl2 + Ubuntu24.04
  • Pycharm 2025.1.2
  • Python3.13 + Pytorch2.7.1 + cu128

1 安装 wsl

1.1 开启 Windows 支持

  1. 打开 windows 菜单,搜索“控制面板”并打开。

    image-20250626004952295
  2. 点击“程序” -> “启用或关闭 Windows 功能”。

    image-20250626005234637
  3. 勾选以下选项,并点击确定。

    • Hyper-V(WSL 基于此功能工作,win11 家庭版没有该选项,安装步骤见后文)
    • Windows 虚拟机监控程序平台(也称“虚拟机平台”,若出现也需勾选)
    • 适用于 Linux 的 Windows 子系统
    image-20250626005451383
  4. 确定完成后,需重启系统才能生效。

    image-20250626005847608

​ Win11 专业版提供了 Hyper-V 功能,但 Win/11 家庭版却没有该功能。

​ Win/11 家庭版安装 Hyper-V 参考安装链接如下:

  • Win10/Win11家庭版安装Hyper-V - 知乎
  • Win11家庭版安装Hyper-V-CSDN博客

1.2 安装 wsl

  1. 打开 windows 菜单,搜索“Windows PowerShell”并打开,输入如下命令验证是否安装成功。

    wsl
    
    image-20250626012353023
  2. 提示需要更新 wsl,继续输入如下命令进行更新。

    wsl --update
    
    image-20250626012332693
  3. 输入如下命令查看 wsl 支持的 Linux 版本。

    wsl --list --online
    
    image-20250626012803365
  4. 选择需要安装的发行版,输入命令格式如下。本文使用 Ubuntu-24.04:

    wsl --install -d <DistributionName>
    
    • DistributionName:Linux 系统的名称。

    这里需要保持网络通畅,建议不开梯子直接下载。

    image-20250626013510761
  5. 安装完成后,提示需要创建用户,这里输入你的用户名与密码。

    输入完成后,默认进入 Ubuntu 系统中。

    image-20250626014108730
  6. 输入如下命令,退出 Ubuntu 系统:

    exit
    

1.3 移动 wsl 至其他盘

​ wsl 默认安装在 C 盘,最好移动到其它盘。

  1. 输入如下命令,导出系统镜像。

    wsl --export <DistributionName> <ExportPath>
    
    • DistributionName:Linux 系统名称。
    • ExportPath:导出的文件路径。
    image-20250626020853315
  2. 依次输入如下命令,先注销原有的 Linux 系统,再重新导入并指定存放位置。

    wsl --unregister <DistributionName>wsl --import <DistributionName> <ExportPath> <ImportPath>
    
    • DistributionName:Linux 系统名称。
    • ExportPath:导出的文件路径。
    • ImportPath:重新存放的路径。
    image-20250626020641194

​ 操作完成后,Linux 系统映像文件存储到了 E 盘,并创建了一个 ico 图标文件。

image-20250626021015597

1.4 其他事项

  1. 直接启动

    在 win 菜单下输入 Ubuntu 即可直接启动:

    image-20250626022341821
  2. 文件互访

    • WSL -> Windows

      在 /mnt 路径下可访问 Windows 盘。

      image-20250626024101529
    • Windows -> WSL

      打开文件资源管理器,点击 Linux 小企鹅图标即可访问 WSL 文件系统。

      image-20250626021200606
  3. 其他常用命令

    • win 下:
      • wsl:进入 Linux 子系统。
      • wsl -l -v:查看已安装的 Linux 状态和版本。
      • wsl --shutdown:终止所有正在运行的 Linux。
    • wsl 下:
      • exit:退出当前子系统。
    image-20250626024915215
  4. 网络通信

    因为网络问题,在 WSL2 中配环境时通常会非常缓慢甚至失败,这是因为 wsl 默认采用 NAT 模式。

    image-20250626225248675

    在开始菜单中搜索“WSL Settings”,在“网络” -> “网络模式”处选择“Mirrored”即可。

    相关参考链接:在 WSL2 中使用 Clash for Windows 代理连接 - East Monster 个人博客。

2 安装 Anaconda

  1. 进入 Anaconda 下载官网:Download Now | Anaconda。右键 Linux 的 Installer 选项,选择“复制链接”。

    image-20250626025325403

    这里选择安装 Miniconda。

  2. 进入 wsl,输入如下命令安装 Miniconda:

    wget <CopyLink>
    
    • CopyLink:步骤 1 中复制的链接。
    image-20250626025707260
  3. 输入命令 ls,查看当前目录下已经下载 .sh 文件。输入以下命令开始安装,并按回车确定。

    sh <FileName>
    
    • FileName:下载的文件名。
    image-20250626025814886
  4. 输入“yes”同意使用条款。

    image-20250626030019645
  5. 接下来选择安装路径,可以输入指定安装路径。直接回车使用默认路径即可。

    image-20250626030124962
  6. 输入“yes”回车,这将使 conda 自动修改你的 shell 配置文件,以便在终端启动时自动激活 conda 环境。

    image-20250626032147188

    到此,Miniconda 安装完成。

3 安装 Python 环境

3.1 创建 Conda 环境

  1. 重启 wsl,使得进入时拥有 conda 环境。

    image-20250626032508630
  2. 输入以下命令,创建 DL(DeepLearning) 环境,这里指定 Python 版本为 3.13。

    conda create -n DL python=3.13
    
    image-20250626032637141
  3. 输入以下命令,进入 DL 环境。

    conda activate DL
    
    image-20250626032751029

3.2 安装 Pytorch 库(gpu)

  1. 运行以下命令,查看本机所支持的最大 CUDA 版本,本文是 12.9。

    nvidia-smi
    
    image-20250626032808678
  2. 进入 Pytorch 官网:Get Started,选择对应的 Pytorch 版本,复制命令行。

    ​ 注意 CUDA 版本不要超过步骤 1 中本机所支持的最大版本。例如,本文电脑 CUDA 最高支持 12.9 版本,因此选择一个低于 12.9 版本的即可。

    本文所选的配置如下:

    image-20250626031545109
  3. 将步骤 2 中复制的命令行粘贴到 wsl 中回车运行,等待安装。

    image-20250626032836398

    现在,安装 Pytorch 库时,会自动下载包含 CUDA 和 cuDNN 的预编译包,因此不用手动安装。

    image-20250626034322188
  4. 输入 Python 命令进入 Python 环境,依次运行下面 2 行代码:

    import torchtorch.cuda.is_available()
    

    输出结果为 True,则安装成功。

    image-20250626034732397

4 安装 Pycharm

4.1 Toolbox App 安装

  1. 进入 Jetbrains 官网:https://www.jetbrains.com.cn/,点击 Toolbox App 下载并安装。该软件只能安装在 C 盘,因此安装时一路同意即可。

    image-20250312002302815
  2. 打开 Toolbox App,点击进入设置

    image-20250626035443195
  3. 在“工具”一栏设置 Pycharm 安装路径。

    image-20250626035514760

4.2 安装 Pycharm

  1. 返回 App,选择 Pycharm 安装。

    image-20250626035547809
  2. 下载完成后,点击 Pycharm,选项默认即可。

4.3 配置 Pycharm

  1. 进入左侧栏“远程开发”,选择“WSL”,点击“新建项目”。

    image-20250626035732523
  2. Pycharm 自动识别 WSL,点击“下一页”。

    image-20250626035832858
  3. Pycharm 会在 wsl 中下载一个客户端进行远程通信,此选项建议:

    • IDE 版本:

      选择稳定版,不选 EAP 版本。

    • 项目目录:

      在用户目录下新建目录 python_project 用于存放所有 python 项目,并在其下新建一个文件夹作为当前项目。

    配置完成后,点击“下载 IDE 并链接”(注意开启 wsl)。

    image-20250626040356513
  4. 重新配置 wsl 中的 Pycharm。

    image-20250626041314626
  5. 进入项目后,看见左上角有 Linux 子系统名称标识远程连接。

    image-20250626041509910
  6. 进入“设置” -> “项目:你的项目” -> “Python 解释器”,点击右侧“添加解释器” -> “添加本地解释器”。

    image-20250626041751546
  7. 依次选择如下:

    • 环境:选择现有。
    • 类型:Conda。
    • Conda 路径:已自动识别。
    • Conda 环境:DL。
    image-20250626041924250

    点击确定后,到此环境已配置完成。

5 测试验证

  1. 修改 “main.py” 文件,内容如下:

    # This is a sample Python script.# Press Shift+F10 to execute it or replace it with your code.
    # Press Double Shift to search everywhere for classes, files, tool windows, actions, and settings.import torch# Press the green button in the gutter to run the script.
    if __name__ == '__main__':print(torch.__version__)print(torch.cuda.is_available())# See PyCharm help at https://www.jetbrains.com/help/pycharm/
    
  2. 运行,得到 torch 版本为 2.7.1+cu128,且输出 True,则环境配置成功!

    image-20250626042209342

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/bicheng/86870.shtml
繁体地址,请注明出处:http://hk.pswp.cn/bicheng/86870.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Redis 数据迁移同步:应对大 Key 同步挑战

在企业级的数据同步和迁移场景中&#xff0c;Redis 凭借高性能和灵活的数据结构&#xff0c;常被用于缓存和高频读写场景。随着业务数据的积累&#xff0c;Redis 中不可避免会出现包含大量元素的“大 Key”&#xff0c;如包含几十万条数据的 List、Set 或 Hash 类型。在进行全量…

视频关键帧提取

&#x1f39e;️ 视频关键帧提取与特征分析指南 &#x1f4cc; 抽帧数量建议 视频时长推荐抽帧数原因短视频&#xff08;≤15秒&#xff09;3&#xff5e;5 帧覆盖不同场景即可中长视频&#xff08;1&#xff5e;3分钟&#xff09;5&#xff5e;10 帧内容跨度大长视频&#xf…

协作机器人优化自动化工作流程,提升工作效率

无损检测(NDT)是一种检查方法&#xff0c;用于识别材料中的裂纹或缺陷&#xff0c;或者在不损坏材料的情况下确定材料的元素组成。Olympus拥有多种NDT设备&#xff0c;这些设备具有多种多样的测量功能&#xff0c;允许最终用户对各种行业中使用的金属、塑料、陶瓷和复合材料进行…

复用对象Aspose.Words 中 DocumentBuilder 的状态管理解析

doc manager.LoadDocument(filePath) builder.Document doc 是不是builder就自动清空重建了,不需要清理builder Aspose.Words 中 DocumentBuilder 的状态管理解析 在您的代码中&#xff0c;builder.Document doc 这行代码不会自动清空或重建DocumentBuilder的状态。Docume…

(LeetCode 面试经典 150 题 ) 134. 加油站 (贪心)

题目&#xff1a;134. 加油站 思路&#xff1a;贪心&#xff0c;时间复杂度0(n)。 当前点i来到下一个点i1,那么油的变化量是gas[i]-cost[i]。 先统计遍历完所有点后&#xff0c;油的变化量sum。如果sum<0&#xff0c;说明不可能绕行一周&#xff1b;sum>0&#xff0c;说…

Java 线程池总结

一、写在前面 参考阿里开发规约,创建线程池一般用ThreadPoolExecutor 在高并发程序中&#xff0c;频繁创建与销毁线程是一种极其低效且不可控的行为。为了解决这个问题&#xff0c;Java 提供了线程池&#xff08;ThreadPoolExecutor&#xff09;这一强大的并发框架。它不仅提…

【3.3】Pod详解——容器探针部署第一个pod

文章目录 容器探针小知识-控制平面Pod实战声明式模型&命令模式 部署第一个pod编写pod清单文件kubectl命令将清单文件post到api-server验证pod删除pod 容器探针 上面已经讲到容器状态,那么这些容器的状态是怎么检测到的呢?实际上在pod中有三种探针&#xff0c;存活探针(li…

Insar 相位展开真实的数据集的生成与下载(随机矩阵放大,zernike 仿真包裹相位)

1.真实的数据集下载: Delta-X: UAVSAR L1B Interferometric Products, MRD, Louisiana, 2021 | NASA Earthdata 注意下载的时候需要注册登录一下哦 2. 适用于 深度学习训练的数据集 通过网盘分享的文件:InSAR-DLPU.rar 链接: https://pan.baidu.com/s/1CRWAuNYwCHP_iqCeIhf…

C++ 多线程深度解析:掌握并行编程的艺术与实践

在现代软件开发中&#xff0c;多线程&#xff08;multithreading&#xff09;已不再是可选项&#xff0c;而是提升应用程序性能、响应速度和资源利用率的核心技术。随着多核处理器的普及&#xff0c;如何让代码有效地利用这些硬件资源&#xff0c;成为每个 C 开发者必须掌握的技…

(线性代数)矩阵的奇异值Singular Value

矩阵的奇异值是矩阵分析中一个非常重要的概念&#xff0c;尤其是在数值线性代数、数据降维&#xff08;如PCA&#xff09;、图像处理等领域有着广泛应用。奇异值分解&#xff08;SVD, Singular Value Decomposition&#xff09;是一种强大的工具&#xff0c;可以将任意形状的矩…

数据结构复习4

第四章 串 一些面试题 12. 介绍一下KMP算法。★★★ KMP算法是一种高效的字符串匹配算法&#xff0c;用于在一个文本串中查找一个模式串的出现位置。KMP算法通过利用模式串自身的信息&#xff0c;在匹配过程中避免不必要的回溯&#xff0c;从而提高匹配效率。 KMP算法的核心思…

【八股消消乐】消息队列优化—消息有序

&#x1f60a;你好&#xff0c;我是小航&#xff0c;一个正在变秃、变强的文艺倾年。 &#x1f514;本专栏《八股消消乐》旨在记录个人所背的八股文&#xff0c;包括Java/Go开发、Vue开发、系统架构、大模型开发、具身智能、机器学习、深度学习、力扣算法等相关知识点&#xff…

2D写实交互数字人如何重塑服务体验?

在数字化浪潮席卷全球的当下&#xff0c;人机交互模式正经历着前所未有的变革。从早期的文本命令行界面&#xff0c;到图形用户界面&#xff08;GUI&#xff09;的普及&#xff0c;再到如今语音交互、手势识别等多模态交互技术的兴起&#xff0c;我们与机器之间的沟通方式愈发自…

CI/CD GitHub Actions配置流程

腾讯云服务器宝塔FinalShellgithup 1.在云服务器上创建SSH秘钥对&#xff0c;下载秘钥到本地 2.在服务器中绑定秘钥对&#xff08;绑定后&#xff0c;服务器不能将不允许密码登录&#xff09;绑定前先关机服务器&#xff0c;绑定后再开启服务器 3.FinalShell改为公钥登录&am…

液态交互效果网页开发--源自鸿蒙5以及iOS26的灵感

首先先来看看最终展示效果 当鼠标靠近“开始探索”的按钮的时候&#xff0c;按钮放大并有微弱光效 鼠标靠近之前会给视窗添加一层接近背景的朦胧感&#xff0c;当鼠标放在视窗上朦胧感消失 技术不复杂&#xff0c;这个网页主要是使用了以下关键技术&#xff1a; HTML5 语义化标…

PYTHON从入门到实践9-类和实例

# 【1】面向对象编程 class Student(object):# 可以帮属性值绑定到对象上&#xff0c;self相当于JAVA的thisdef __init__(self, name, age):self.name nameself.age agedef speak(self):print(self.name, 说&#xff1a;老师好)if __name__ __main__:new_student1 Student(…

matplotlib 绘制极坐标图

1、功能介绍&#xff1a; 使用了 matplotlib 库来创建一个极坐标图 2、代码部分&#xff1a; import matplotlib.pyplot as plt import numpy as np# 设置中文字体 plt.rcParams[font.sans-serif] [SimHei] # 选择黑体字体&#xff0c;支持中文 plt.rcParams[axes.unicode…

Dask心得与笔记【2】

文章目录 计算参考文献 计算 数组切片如下 import numpy as np import dask.array as dadata np.arange(1000).reshape(10, 100) a da.from_array(data, chunks(5, 20)) print(a[:,0:3])切片结果是前3列 dask.array<getitem, shape(10, 3), dtypeint64, chunksize(5, 3…

数据采集合规安全是品牌控价基石

在品牌控价与数据分析工作中&#xff0c;数据采集是不可或缺的前置环节。当前主流的数据采集方式为爬虫采集&#xff0c;这种依托机器自动化操作的模式&#xff0c;取代了传统人工逐一浏览、复制数据的繁琐流程&#xff0c;大幅提升了效率。采集后的原始数据&#xff0c;会由系…

llm推理赋能action policy的探索

兄弟&#xff0c;你这个问题非常到位&#xff0c;咱分两个问题详细讲透&#xff1a; &#x1f680; (1) HybridVLA怎么引入更好的推理能力赋能Diffusion Action&#xff1f; HybridVLA 目前设计的亮点&#xff1a; Diffusion Token 与 LLM 自回归结合 但推理能力没有被显式结…