Windows下的深度学习环境配置参考及配置教程

大家好,我是烟小栀。今天是我第一次发博客,给大家分享一下我目前用着比较顺手的新手深度学习环境配置。(因为我比较懒,比较简单的部分就此略过了而且部分内容可能随着时间改变,还请各位自行ai)

我的参考配置:

整体环境简介

  • 编程工具:VScode(致敬宇宙最强IDE)
  • WSL Ubuntu 24.04
  • 虚拟环境管理:conda+uv

小声bb:Linux是每个开发者绕不开的话题,与其后面再学不如一开始就用上。而且WSL可以在保证日常使用Windows软件生态的情况下使用Linux(游戏玩家感觉很赞),同时又比双系统简单,比虚拟机轻量。

WSL Ubuntu环境准备

  1. 按win键呼出搜索框,在搜索框里搜索"启用或关闭 Windows 功能"
  2. 勾选"适用于 Linux 的 Windows 子系统"和"虚拟机平台"(英文版好像是Windows Subsystem for Linux &Virtual Machine Platform家庭版Windows只有虚拟机平台)
  1. 管理员模式打开cmd窗口输入以下内容:
cmd 复制代码
wsl --install

默认安装的就是Ubuntu发行版,需要注意的是让你设置密码的环节你看不到密码是正常的,这是Linux保护隐私的小巧思吧。到这里我们已经装好wsl了。后续就不用管他了,我们主要在vscode里连接它来使用。

tips:在进行后续conda安装时遇到问题是很正常的,希望大家可以多思考,多查资料,多问ai。

VScode下载安装

  1. 来到官网Visual Studio Code - Build what comes next根据自己的系统架构下载对应的版本后一直点next,注意安装路径不要有中文(老生常谈了),直到这个界面出现 建议勾选下面两个选项,其他的看心情点。

  2. 随后我们打开vscode打开拓展(红色圈圈)

windows下安装必要的插件:

  • Chinese (Simplified) (简体中文)
  • WSL

随后点击左下角><再点"连接到WSL"

3.(可选)现在我们的VScode就成功的连接到WSL了,接下来可以在我们的WSL内装一些好用的插件(Windows那就不管它了)。

  • markdown相关
  • 连接远程服务器
  • 开发相关(因为目前我主要在学习pytorch所以就不放c相关的了)

Conda+uv

先介绍一下这两个是干嘛用的,在搭建不同的项目时我们要用到不同的库。有时候下载到的源码用的库的版本和你平时用的不一样,这个时候我们就需要虚拟环境来隔离不同的版本(其实还有很多作用自行搜索)。我目前的搭配是Conda+uv来管理虚拟环境。其中uv是专门管理python库的,而Conda是用来管理更广泛的东西,他们两个相当于包含关系吧。(我们在这里选择下载Miniconda,功能对我们来说完全够用)我也想让大家感受一下linux安装软件的步骤。

Conda安装与环境激活

来到官网安装文档Linux installer for Miniconda - Anaconda,根据文档来安装MiniConda。需要知道的是我们在装完vscode和wsl后就可以通过Ctrl+~来打开Linux终端并且使用了。

我们需要根据自己的电脑的架构选择版本:

bash 复制代码
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh # x86
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh # arm

bash ~/Miniconda3-latest-Linux-aarch64.sh # 安装

安装完后我们的终端就变成这样子了

前面的(base)是代表当前激活的Conda环境,在此我仅提供最基础的创建环境流程,其余自行摸索。部分步骤需要开眼看世界,可以让ai帮忙找镜像源。

bash 复制代码
conda create --name deep_learning python=3.14 # 创建python版本为3.14,名为deep_learning的conda环境
conda activate deep_learning # 激活deep_learning环境

# 接下来就可以装CUDA13.2版pytorch了,这个是可以让pytorch使用GPU训练模型的工具

pip3 install torch torchvision # 有英伟达GPU下这个否则去官网查指令自己下cpu版的,

uv的介绍

uv几乎是pip上位代替而且还包含python项目管理流程,而且在没有开眼看世界的情况下比pip快很多很多。但是我在试图用uv安装pytorch的时候发现它都是安装cpu版的,想要用它装CUDA版的还得配置索引,所以前文选择pip来装pytorch。这部分要展开真的讲不完...

参考文献

相关推荐
tellmewhoisi36 分钟前
深度学习0:数学知识:最大似然推导过程
人工智能·深度学习·概率论
oil欧哟36 分钟前
从产品经理视角拆解 DeepSeek Super-agent:双层路由与异步调度架构
人工智能
张张123y1 小时前
个人助手型 Agent 的六个工程细节:Hermes 与 OpenClaw 的审批、委派、上下文与调度
网络·人工智能·开源·后端开发·ai agent
Dawson Zhu1 小时前
【模型量化⑦】W4A8与GPTQ-Int4:极限压缩与MLC-LLM部署实战
人工智能·语言模型·架构·aigc·agi
千寻技术帮2 小时前
50055_基于AI的互帮互助小程序(源码+文档+数据库脚本+部署教程)
数据库·人工智能·小程序·毕业设计·springboot·课程设计
天树星智源2 小时前
KV 剪枝的同一个误差,模型确定时只改 1.4% 的 token,不确定时改 65%:接上不确定性,AIME25 端到端快 1.27 倍
人工智能·大模型
AI英德西牛仔2 小时前
PC 用户的效率革命:腾讯元宝导出 Word 指令与“AI 导出鸭”的底层逻辑
人工智能·word·excel·deepseek·ai导出鸭
Flynn Liang3 小时前
多智能体协同不再复杂:Redis Stream 消费者组、幂等与故障恢复
数据库·人工智能·redis·缓存·ai agent·智能体
VIP_CQCRE11 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商