如今现在好一点的笔记本都自带英伟达独立显卡，对于一些简单的深度学习项目，是不需要连接服务器的，甚至数据量不大的话，cpu也足够进行训练学习。我把电脑上一些以前的笔记整理一下，记录起来，方便自己35岁事业更进一步之后（失业之后）重新复习。因为实在不想动脑子去记这些东西，也不想每次换个电脑，或者到一个地方，就要满世界的找bug，翻一堆入门教程。
windows系统配置深度学习框架pytorch环境。
https://www.anaconda.com/download，官网下载最新版本。
1、anaconda安装和配置。
下载的时候注意两点，一点是安装的时候是选择just for me，这会涉及到权限问题，如果不慎选了for all user也没问题。另一点是跳过下载visual studio（因为不需要，而且visual studio占C盘太大了，而且只占c盘）
配置好后，加入三个环境变量 ，其中"D:\Anaconda"是我的自定义安装目录
为什么要用anaocnda创建虚拟python环境呢？
由于不同项目的下载使用的python包不一样，如果使用anaconda提供的全局环境下载的包用于所有python项目中，项目大了会出兼容问题。于是anaconda软件提供了一个创建不同python环境的功能，这些环境统称为虚拟环境，每个环境都可以自己指定python解释器的版本，所有虚拟环境之间相互隔离。
下载好anaconda,在win系统左下角找到anaconda poweshell prompt打开，这是anaconda的shell。或者cmd命令也可以（因为添加了环境变量），刚开始会进入一个默认创建的虚拟环境base。
只有在这个环境下才有权限创建其他的虚拟环境，不过一般不会去用这个base默认环境做项目。
如何使用虚拟环境呢？
就是运行代码之前，在选择python解释器的时候，我们选择conda环境下的自己创建的虚拟环境中的python.exe解释器。一般目录是.../anaconda3/envs/虚拟环境名称/pythonx.x.x.exe。无论是在vscode或者pycharm编辑器都是这样。另外，一个虚拟环境可应用于一个或者几个项目。
以下是一些常用conda命令：
conda env list 查看虚拟环境信息，带*是当前环境
conda config --show //查看conda的配置信息
conda create -n pytorch python=3.9.15 //意思创建一个名为pytorch 的环境，用的python是3.9.15版本
conda activate base //切换回base环境，用来切换环境
conda deactivate //退出此环境
conda remove --name pytorch --all //删除我的pytorch虚拟环境
conda install 包名 //下载包
conda uninstall 包名 //卸载
conda list // 当前虚拟环境都有哪些包
conda install --name pytorch numpy -y （这里的pytorch是指我创建的环境名，记住这条命令有时候很方便，在一些普通的terminal 中不能使用conda activate 命令，但却可以用其他命令的话，可以用这个命令下包）
我们一般用conda工具来管理创建和管理虚拟环境（conda工具也可以下载python工具包，但是它里面工具包的库不是很全，往往后面需要用pip下载）
假设我们要使用虚拟环境来做一个项目啊，并且项目是用python3.9.15版本。
1、左下角win图标，找到打开Anaconda prompt，默认是在base虚拟环境下，先创建一个虚拟环境，输入命令：
conda create -n pytorch python=3.9.15 //创建一个名为pytorch 的环境，指定python是3.9.15版本
输入y确定下载即可，然后它会自动下载依赖，包括python3.9.15解释程序
2、然后输入 conda activate pytorch 激活环境
PS：但是呢，然后，你如果输入命令conda config --show查看参数conda的各种参数！！！
你会发现里面envs_dir与pkgs_dir两个参数，二者指示你的环境信息，还有各种包安装路径在哪里。
然后你会发现一种情况，就是你新建的环境出现在电脑的C/Users/Windows 10/.conda/下面，而不是说在你自定义的安装anaocnda的envs目录下面。
我很讨厌任何占用我C盘的程序。由此，必须把它安装anaocnda的envs目录改成首要选项（我的是在D盘）才行。
具体操作：
首先删掉之前新建的环境，在命令行界面用命令conda remove --name pytorch --all删掉我之前创建的环境，然后在C/Users/用户名(一般为Window 1 0)下面有个文件.condarc，打开，然后在文件最后面加入你anaconda下的envs的路径 （以下为示例）：
bash
envs_dirs:
- D://Anaconda//env
pkgs_dirs:
- D://Anaconda//env（我这里是 - D://Anaconda//envs ，注意斜杠），然后保存：
如图：
PS：pip3下载现在也是有虚拟环境约束的，我的practice虚拟环境用pip3下载的包在（ D:\Anaconda\envs\practice\Lib\site-packages）类似的路径当中；所以conda下载不了的包，不会有依赖不兼容或者冲突的问题，直接用pip或者pip3下载吧。
2、pytorch安装和使用。
第一步、先看自己电脑有没有独立显卡硬件：
操作：任务打开管理器(或者在windwos的设备管理器也可以查看自己显卡的型号)，显示更多信息，点击性能这里，像我这种远古机器显示带AMD字样的，就是不能加速的，有nvidia字样的就是可以加速的：
然后执行pytorch官网https://pytorch.org/中对应命令（选择好windows，conda下载方式等等，conda下不了就换pip），等待完成即可安装pytorch框架。因为我没有伟英达的独显GPU，只有联想自带的独显没用，所以运算平台这一项我就选CPU
对于有英伟达显卡的，我用GPT问了一下，他的回答是这样滴：
先安装英伟达显卡驱动的步骤如下：
访问英伟达官网https://www.nvidia.cn,根据你的显卡型号找到对应的驱动下载页面。
下载适用于你系统版本和显卡型号的最新驱动程序安装包。
解压下载的驱动安装包。
关闭所有其他程序。
右键点击解压后的安装文件，选择"使用管理员权限运行"。
在驱动安装向导中，点击"下一步"采用默认安装选项即可。
安装程序会自动卸载旧版本驱动，并安装新驱动。
安装完成后会提示你重启计算机，以使新驱动生效。
重启后，英伟达控制面板和其他功能将自动加载，此时驱动安装成功。
可以在cmd种，用 nvidia-smi 来查看自己显卡支持的最高cuda是什么版本，右上角的信息就是。
需要注意的是，每次升级驱动版本前需要卸载旧版本。另外，如果遇到任何问题，可以尝试使用英伟达驱动清除工具卸载后再安装驱动。
然后，再进入pytorch官网找到支持pytorch框架的cuda（针对某个GPU而做的驱动）驱动的conda或者pip命令。
然后打开命令行界面，激活自己创建的虚拟环境，在自己的虚拟环境下输入官网推荐的命令，下载cuda所需要的包。
下完之后，就用conda list或者pip list看下一下有没有torch包，或者键入python，进入Python解释器，执行import torch 再执行print(torch)两行代码，有返回信息就说明安装成功了。
Jupyter notebook的使用
这东西就是python一行输入一行输出的超级升级版。很方便用来教学和可视化分析代码过程，还能插入markdown代码。上课的作业估计都是用这个形式，实际上就是一个本地的网页进程而已，有浏览器就能使用。
每个环境都需要单独下载相应的工具包来才能使用jupyter notebook。
安装jupyter，首先用conda activate conda_name进入自己的conda_name虚拟环境中，然后执行下面的命令：
bash
conda install nb_conda_kernels（这个命令似乎是针对3.9以上的有效，里面是包含了下载新的jupyter notebook软件的）
启动jupyter，执行命令:
bash
jupyter notebook结果是弹出一个黑框。这个黑框不要关，这就相当于一个打开一个软件进程，关了的话jupyter进程也关掉了，然后这个进程会自动打开你的默认浏览器访问一个本地路径，进入到jupyter notebook编辑器界面。
（也有不顺利的时候，有时候输入命令jupyter notebook浏览器不会自动打开，可能是你浏览器的设置问题，直接手动复制那个黑框中http的路径自己在浏览器打开就可以。还有就是执行jupyter notebook 开启应用，然后你手动输入http路径，但是提示需要token，在弹出来的黑框中，有显示的token是什么，复制粘贴进去即可。最好是执行jupyter notebook之前在命令行中cd D:切换到你的项目的本地路径，不然他自动打开的目录是你的用户目录，当然也可以花时间去更改默认的打开目录，jupyter notebook切换默认的目录。
黑框：
浏览器中的jupyter，这里默认打开了目录C:\Users\Windows 10
然后按箭头提示，编辑前选择好你的虚拟环境的解释器新建编辑文件，后缀是ipynb：
jupyter可以写代码，还有markdown文本等等，还有命令行（这里按shift加enter即可运行或者显示当前行单元）：
例如：
非常好用！
缺点就是没有专业编辑器的那种代码补全和提示，但跟vs code搭配会非常好用，可以弥补这点，而且vs code很轻便。操作是只需要在vscode中下载jupyter插件就可以打开和编辑ipynb文件了
但我觉得选择pycharm也还可以，因为pycharm集成的某个功能更齐全，他的远程连接还可以用本地的解释器跑，只要熟悉了来回切换很方便。
但pycahrm太大了，功能太多，有时候乱点了哪里我也不清楚，我实在是不太喜欢这种不确定性太多的感觉，一方面想用pycharm，一方面又不想用它。