深度学习环境配置指南:基于Anaconda与PyCharm的全流程操作

一、环境搭建前的准备

  1. 查看基础环境位置
bash 复制代码
conda env list 

**操作说明:**通过该命令确认Anaconda默认环境(base)所在磁盘路径(如D盘),后续操作需跳转至该磁盘根目录。

二、创建与激活独立虚拟环境

1. 创建Python 3.12环境

bash 复制代码
conda create -n pyTraining python=3.12

参数说明:

-n pyTraining:指定环境名称为pyTraining

-python=3.12:指定Python版本为3.12

2. 初始化Conda并重启终端

bash 复制代码
conda init 

**操作要点:**执行后需关闭当前终端,重新打开以生效。

3. 激活新创建的环境

bash 复制代码
conda activate pyTraining 

**验证方式:**终端提示符出现(pyTraining)前缀即表示激活成功。

三、依赖库安装与镜像加速

1. 基础工具包安装

bash 复制代码
pip install tqdm # 进度条工具 

2. 数据库连接库

bash 复制代码
pip install mysql-connector-python -i https://mirrors.aliyun.com/pypi/simple 

**镜像说明:**使用阿里云镜像提升下载速度。

3. 模型可视化工具

bash 复制代码
pip install torchviz -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install graphviz -i https://pypi.tuna.tsinghua.edu.cn/simple

**适用场景:**用于PyTorch模型的计算图可视化分析。

4. 数值计算库(指定版本)

bash 复制代码
pip install numpy==1.26.4 -i https://mirrors.aliyun.com/pypi/simple 

**版本锁定原因:**确保与课程/项目代码兼容性。

5. 计算机视觉库

bash 复制代码
pip install -i https://mirrors.aliyun.com/pypi/simple opencv-contrib-python 
pip install -i https://mirrors.aliyun.com/pypi/simple opencv-python 

**组合安装说明:**opencv-contrib-python包含扩展模块(如SURF算法),opencv-python为基础库。

四、PyCharm环境配置流程

1. 确认新环境路径

bash 复制代码
conda env list # 查看pyTraining环境路径(如D:\Anaconda3\envs\pyTraining) 

2. 在PyCharm中配置解释器

  1. 打开PyCharm,进入File > Settings > Project: shixun > Python Interpreter

  2. 点击齿轮图标 → Add Interpreter→ Add Local Interpreter

  3. 浏览选择新环境下的python.exe路径(如D:\Anaconda3\envs\pyTraining\python.exe)

  4. 点击OK完成替换,等待依赖索引更新完成。


找到新地址下的 python.exe 将原来的替换为它,再运行即可

五、实战验证:运行示例脚本

执行测试命令

bash 复制代码
D:\Anaconda3\envs\pyTraining\python.exe F:\pyLshixun6.4\day8\search_img_mysql.py

输出示例

bash 复制代码
77% | 1397/1803 [01:21<00:25, 15.92it/s]

验证要点: -

确认脚本使用新环境的Python解释器执行

观察进度条(由tqdm库生成)是否正常更新

六、常见问题解决方案

1. 环境激活失败

现象:执行conda activate后未出现环境前缀

排查步骤: - 检查是否已执行conda init并重启终端

  • 确认环境名称拼写是否正确(pyTraining非pyTranin)

2. PyCharm未识别新环境

解决方法: - 手动指定解释器路径时确保目录正确

  • 尝试重启PyCharm或清除项目缓存(File > Invalidate Caches/Restart)

七、附:镜像源列表

|--------|-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 镜像源 | URL |
| 阿里云 | Simple Indexhttps://mirrors.aliyun.com/pypi/simple |
| 清华TUNA | Simple Indexhttps://pypi.tuna.tsinghua.edu.cn/simple |

使用建议:在pip命令中通过-i参数指定镜像源,提升下载稳定性。

**转载声明:**本文允许非商业用途转载,请保留原文链接与作者信息。

相关推荐
WSSWWWSSW12 分钟前
认识自我的机器人:麻省理工学院基于视觉的系统让机器了解自身机体
人工智能·机器人
z are28 分钟前
PyTorch 模型开发全栈指南:从定义、修改到保存的完整闭环
人工智能·pytorch·python
CareyWYR41 分钟前
每周AI论文速递(250721-250725)
人工智能
Better Rose1 小时前
2025年“创新杯”(原钉钉杯) A题 建模思路
人工智能·数学建模·钉钉
曾几何时`1 小时前
AI小智源码分析——音频部分(一)
人工智能
盼小辉丶1 小时前
图机器学习(20)——欺诈交易检测算法
人工智能·机器学习·图机器学习
Easy数模1 小时前
Word2Vec模型训练全流程解析:从数据预处理到实体识别应用
人工智能·机器学习·自然语言处理·word2vec
抠头专注python环境配置1 小时前
Pycharm、Python安装及配置小白教程
ide·python·pycharm
weixin_422456441 小时前
第N8周:使用Word2vec实现文本分类
人工智能·自然语言处理·word2vec