在Python中搭建深度学习处理环境创建虚拟环境

在Python中搭建深度学习处理环境，创建虚拟环境是一种推荐的做法，可以隔离项目依赖、避免版本冲突。以下是在2024年使用Anaconda或miniconda来创建一个用于深度学习（以PyTorch为例）的虚拟环境的步骤：

使用Anaconda或Miniconda创建虚拟环境

1. 安装 Anaconda 或 Miniconda：

   • 如果你还没有安装Anaconda或Miniconda，请访问Anaconda官网下载并安装适合你操作系统的最新版本。

2. 打开命令行终端（Anaconda Prompt on Windows, Terminal on Linux/macOS）：

3. 创建新的虚拟环境：

   conda create --name my_dl_env python=3.x
   

   这里 my_dl_env 是你要给虚拟环境起的名字，python=3.x 指定Python版本（请替换x为实际想要使用的Python 3的具体小版本号，如3.9或3.10等）。

4. 激活虚拟环境：

   conda activate my_dl_env
   

5. 在虚拟环境中安装必要的库：

   • 安装PyTorch：

     conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
     

     根据你的GPU型号和CUDA版本选择合适的cudatoolkit版本。

   • 安装OpenCV（如果需要的话）：

     conda install opencv-python
     

6. 验证安装：
   在Python交互式环境中输入以下命令确认PyTorch是否成功安装：

   import torch
   print(torch.__version__)
   

通过以上步骤，你就已经在虚拟环境中配置好了基于Python的深度学习环境，可以开始进行深度学习项目的开发了。记得在每次开始新项目工作时激活对应的虚拟环境。