Python学习——Python常用开发环境配置
本文介绍了Python环境的配置以及较为主流Python编辑器的使用：Pycharm、VSCode、Jupyter-lab以及安装流程与注意事项，也给出了Pytorch的一般安装流程。
2、Jupyter notebook(iPython notebook)
一、Python编程经常遇到的问题
1、切换不同的Python版本；
2、切换不同版本的包、深度学习框架；
3、从源码编译软件；
4、使用Python外的其他编程语言
二、Python程序
Python程序 = 自己写的代码 + 第三方包
三、conda与pip
conda依赖解析，可以解析和处理包的依赖关系，确保安装的包与其他已安装的包兼容他，可以自动解决依赖冲突，并安装兼容版本的包。pip也可以解析依赖，但它对依赖冲突的处理能力相对弱，需要手动处理冲突。
| conda | pip | |
| 包格式 | 二进制.tar .bz2 .conda | .wheel或源代码 |
| 支持语言 | Python、C/C++、R等 | Python |
| Python包 | 支持 | 支持 |
| 虚拟环境 | 支持 | 不支持，需要配合Virtualenv |
| 包源 | Anaconda、cloud | PyPI |
| 依赖检查 | 是 | 否 |
conda + pip优点
使用简单，支持主流操作系统：Windows、macOS、Linux，第三方库安装成功率高
支持创建多个隔离的虚拟环境：能在不同的虚拟环境下安装不同版本的Python和包，切换方便
四、Python程序运行环境配置
1、conda
【1】下载地址：软件管家-安全、稳定、纯净的软件下载平台-搜索结果：Anaconda
https://softgj.com/home/index/search?cate=&kwd=Anaconda
【2】创建Python虚拟环境
（1）打开下载好的“Anaconda Powershell Prompt”，如下图所示。
（2）输入“conda env list”，列出查看所有环境，即检验是否安装成功
（3）输入“conda create --name 环境名称（英文名）”，创建了一个名字为demo的虚拟环境，如下图所示。
（4）依旧可以使用“conda env list”来检查是否创建成功，如下图所示。
（5）输入“conda activate 环境名称”，进入环境，如下图所示。
（6）输入“conda deactivate”，退出虚拟环境，如下图所示。
（7）输入“conda remove --name 环境名称 --all”，删除环境，之后利用（1）中命令查看，如下图所示。
（8）输入“conda create --name 环境名称 python=3.7”，创建指定 Python版本环境，在该环境下下载Python3.7，如下图所示。
（9）进入python环境，检查python版本，简单进行个小运算，如下图所示。
【3】国内加速镜像下载安装包
目的：使用镜像源的目的是加速下载以下国外的包，例如OpenCV，如果不使用镜像源，下载这些国外的包非常缓慢一直，还有可能发生访问中断，导致无法下载成功，使用镜像源流程如下：
（1）输入“conda config --set show_channel_urls yes”运行，在基础运行环境下对应的目录（即C:\Users\Huawei）下会生成一个“.condarc”的文件，如下图所示。
（2）右键将该文件以记事本的形式打开，进入该网站，将下图所示中的内容复制后粘贴到生成“.condarc”文件中并进行保存，保存后关闭。anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorhttps://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
（3）输入“conda clean -i”，清除索引缓存，保证用的是镜像站提供的索引
（4）在C:\Users\Administrator（根据上述操作对应到博主本人的电脑目录就是C:\Users\Huawei）目录下创建pip文件夹
（5）在第（4）中创建的文件夹下创建pip.ini文件（请开启可以修改文件扩展名）
（6）记事本编辑保存pip.ini文件内容为以下部分：
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn
（7）输入“conda install opencv”进行测试，本人在这就不进行测试了。
2、Jupyter notebook(iPython notebook)
（1）在第1点【3】基础上，如下图所示输入“conda install jupyterlab”，运行，如下图所示。
（2）下载结束后，输入“jupyter-lab”，如下图所示，在浏览器里打开代码编辑界面。
（3）在打开的界面中，选择“Notebook”
（4）进入界面后，输入以下代码，在jupyterlab中重命名及运行如下图所示。
print("Hello World!");
3、VS Code
【1】在存放程序的文件，右键新建“文本文档”，修改后缀名为“.py”，保存文件路径如下图所示。
【2】将该文件用“VS Code”打开（或者将该文件拖至VS Code图标处），提示安装Python，如下图所示。
【3】安装完成后，在VS Code界面输入程序，如下图所示，输入完成后保存退出VS Code.
【4】打开“Anaconda Powershell Prompt”，输入“cd + 程序文件路径”，即进入到该文件夹下。输入“python + 程序名.py”，即运行该程序，输出结果如下图所示。
【说明】使用VS Code只是作为程序的书写，并不对程序做调试，不在IDE内部运行Python的原因如下：
（1）Python 一种脚本语言，只需要Python 解释器就能运行；
（2）IDE 切换不同版本的Python 解释器比较繁琐，而conda 切换比较方便；
（3）IDE 安装包可能出错误；
（4）运行有参数的程序比较繁琐；
（5）远程启动程序时不熟练 例如运行远程服务器上的程序；
4、PyCharm
【1】下载安装链接：软件管家-安全、稳定、纯净的软件下载平台-搜索结果：PyCharm
【2】Anaconda下载：软件管家-安全、稳定、纯净的软件下载平台-搜索结果：Anaconda
【3】Python运行环境配置
（1）双击打开已经安装好的PyCharm，新建项目，如下图所示。
（2）点击“Create”后，弹出界面如图下所示。
（3）删掉里面的内容，也删除“main.py”文件，按照下图所示方式新建.py文件。
（4）在弹出的界面中进行命名，如下图所示为“HelloWorld”，回车创建文件。
（5）输入代码后右键运行，如下图所示。
（6）运行结果如下图所示，正确输出。
五、修改虚拟环境默认路径
虽然 Anaconda 已经安装在 D 盘（或者除C盘以外的其他盘），但是创建虚拟环境的默认位置还是在 C 盘，我们可以按照如下3步进行修改
1、使用命令查看具体配置。
conda config --show
conda info
如图，我们可以看到 package cache 和 envs directories 既有 Anaconda安装路径的 D 盘，又有默认路径的 E 盘（这是修改后的）。
2、将 envs_dirs 和 pkgs_dirs 显式地添加在 Conda 的配置文件中。
conda config --add envs_dirs D:\ProgramSoftware\anaconda3\envs
conda config --add pkgs_dirs D:\ProgramSoftware\anaconda3\pkgs
3、使用 conda config --show 命令或打开 C:\Users\username 下的 .condarc文件查看是否配置成功。注：有多条路径没关系，第一条路径会作为默认存储路径。
六、Pytorch安装
1、Pytorch相关网址
官网：PyTorch
最新版本：https://pytorch.org/get-started/locally/
历史版本：https://pytorch.org/get-started/previous-versions/
2、Pytorch下载流程
【1】建立一个安装Pytorch的虚拟环境，并激活该虚拟环境，如下图所示。
【2】进入下载地址网址如下图所示，由Pytorch决定CUDA版本，再由CUDA版本决定cudnn版本，安装的时候正好倒过来：先安装显卡驱动，再安装CUDA，再安装cudnn，最后安装Pytorch。
【3】windows系统：查看电脑是否已经安装显卡驱动，电脑桌面右键，打开“NVIDIA控制面板”，
【4】那么就可以看到这个是5060的显卡，573.24的驱动
点击右下角的“系统信息”也可以看到
或者使用命令行也可以相关信息
其中显示的CUDA Version的12.8不是已经安装的CUDA版本是12.8，而是驱动支持的最高版本是12.8，但是它可以向下兼容，可以支持比12.8版本低的，但是也是有区间范围的
nvidia-smi
【5】如果没有安装显卡驱动，首先安装显卡驱动，再安装CUDA：在安装CUDA前，要求GPU驱动与CUDA版本要匹配，匹配关系在如下的网址中，如下图所示：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#cuda-major-component-versions__table-cuda-toolkit-driver-versions
通常情况下，选择不高于nvidia-smi的cuda版本，显卡驱动向下兼容cuda版本。例如一4090显卡的驱动版本是556.07，根据上表，可以安装低于CUDA12.5 Update1的任何版本的CUDA。而如vidia-sim显卡驱动版本为545.65，则可以安装低于CUDA12.3 Update1的任何CUDA版本。根据pytorch安装选择2.7.0版本与CUDA版本的匹配图，此时可以选择cuda11.8版本安装。
【6】下载显卡对应驱动版本
https://www.nvidia.com/en-us/drivers/
下载完驱动的安装包，按步骤安装完，重启（⼀定要重启！！！不重启不⾏！！！）。再次启动在 anaconda poweshell prompt 命令⾏中输⼊ nvidia-smi 即可查看 GPU 驱动、显存、利⽤率等信
息。
【7】下载 CUDA 安装包，选择对应版本安装包下载，暂不安装，按照上述的推断进行配置https://developer.nvidia.com/cuda-toolkit-archive
【8】下载 cuDNN 安装包，下载对应的安装包，需要与 CUDA 版本匹配，暂不安装
最新版本：https://developer.nvidia.cn/cudnn
历史版本：https://developer.nvidia.com/rdp/cudnn-archive
【9】安装CUDA和cudnn，CUDA：按软件上流程安装即可，安装时可以默认路径安装，按照提示进⾏安装即可
cudnn：解压 cudnn 压缩⽂件，⽬录结构⼤致⻓这样：
进⼊ CUDA ⽬录，将 cudnn 所有⽂件复制并替换，更改环境变量：
双击 path
新建 2 个路径（ bin 和 libnvvp ）
如我的路径为：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
重启电脑
【10】安装 CUDA 版 Pytorch，回到Pytorch官网寻找 GPU 版 Pytorch 安装指令，pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118。如果要装最新版本PyTorch 2.7版本需要python>=3.9版本，建议不要太⾼版本，也不要太低版本，够⽤就⾏，所以这个虚拟环境我们装pytorch 1.8版本，python 3.8。windows版本，在开始处输⼊：anaconda powershell prompt，进⼊后，重新建⽴⼀个新的conda环境：
【11】使⽤ Pytorch 检查⼀下 CUDA 是否可⽤：
# 检查CUDA可⽤性
$ python
>>> import torch
>>> torch.__version__
>>> print(torch.cuda.is_available())
True
鲲鹏昇腾开发者社区是面向全社会开放的“联接全球计算开发者，聚合华为+生态”的社区，内容涵盖鲲鹏、昇腾资源，帮助开发者快速获取所需的知识、经验、软件、工具、算力，支撑开发者易学、好用、成功，成为核心开发者。
更多推荐
15
0- 0
已为社区贡献1条内容
所有评论(0)