【Anaconda环境配置 PyTorch安装 论文代码复现】全网最详细全流程图文教程一条龙解决无需同时打开多篇教程比对观看本篇博客介绍了怎么在一台新机器上从零开始安装Anaconda及PyTorch搭建可运行的深度学习项目训练及测试环境并下载开源论文仓库进行demo复现。教程非常基础且详细适用于零基础初学者包含50张图片及对应说明。目录一、Anaconda安装与初始化配置1.1 官网下载Anaconda安装包1.2 安装Anaconda1.3 验证安装与基础使用二、环境变量配置2.1 配置步骤2.2 验证配置三、conda配置文件修改3.1 准备工作3.2 修改conda配置3.3 验证conda配置3.4 修改pip配置四、创建项目专用虚拟环境4.1 创建环境4.2 激活与验证五、论文代码下载与VS Code配置5.1 下载项目代码5.2 VS Code打开项目5.3 配置Python解释器5.4 安装PyTorchGPU版5.5 查看论文Readme进行复现准备总结一、Anaconda安装与初始化配置这部分主要是Anaconda的安装本篇博客以官网安装来演示推荐且使用拓展后下载速度很快也可以通过其他文件仓库货镜像地址下载1.1 官网下载Anaconda安装包进入Anaconda官方网站首页如下点击右上角的登录选项【Sign in】第一次登录需要注册注册完之后登录如下登录成功后会跳转到如下页面这里是一个工作台不要管直接关闭然后重新打开Anaconda官方网站首页现在登录官网如下可以看到右上角的【Sign in】变成了头像说明登录成功此时点击右上角的下载选项【Download】如下点击右侧中央的绿色【Download】现在需要根据你的电脑操作系统选择你下载的版本如下以Windows为例直接下载很慢每秒5MB左右如下我使用的是NDMNeat Download Manager这个拓展可以多进程下载加速如下下载速度变成每秒20MB如下1.2 安装Anaconda打开下载目录如下双击打开刚才下载的安装包运行安装包进入欢迎界面如下点击【Next】同意License协议点击【I Agree】默认是选择【Just Me】改为选择【All Users】然后点击【Next】默认安装路径是C盘建议修改安装路径到非系统盘点击【Browse】修改安装路径我选择的是D盘的“D:\anaconda3”修改好之后点击【Next】默认是一个都没有勾选改为勾选【Create shortcuts】和【Register XXX】如下然后点击安装选项【Install】安装完成后点击【Next】继续点击【Next】取消【Launch Anaconda Navigator】和【Welcome to Anaconda】的勾选如下然后点击【Finish】完成安装1.3 验证安装点击Windows开始菜单找到“最近添加”的这几个Anaconda图标然后双击打开【Anaconda Prompt】输入conda --version验证是否安装成功。输出“conda版本号”即为安装成功二、环境变量配置这部分主要是添加系统环境变量实现cmd全局调用conda命令2.1 配置步骤找到anaconda.exe所在的文件夹一般Anaconda安装目录下的Scripts文件夹如下图D:\anaconda3\Scripts复制这个路径找到你电脑里面的环境变量设置的入口以Windows11为例在【设置】-【系统】-【关于】-【高级系统设置】点击【高级系统设置】后进入【系统属性】页面然后点击【环境变量】如下图在【系统变量(S)】下面找到系统变量Path如下双击即可打开编辑点击右侧的【新建】然后输入刚才复制的anaconda.exe所在路径D:\anaconda3\Scripts然后点击【确认】即可完成环境变量添加2.2 验证配置键盘输入WinR然后在弹出窗口输入cmd打开命令行如下点击【确认】输入echo %PATH%查看当前系统环境变量下的所有路径确认是否有刚才的路径D:\anaconda3\Scripts有的话即为配置成功后续可以在cmd全局使用conda命令了。然后输入conda -- version查看Anaconda版本号验证成功。如果没有进行2.1所示的配置流程或者环境变量路径添加错误是无法在cmd运行conda命令的如下输入conda --version会出现报错三、conda配置文件修改这部分主要是修改Anaconda的默认配置文件.condarc更改第三方依赖库和激活环境的下载路径以及国内加速源的配置3.1 准备工作先查看Anaconda的基础环境用cmd激活Anaconda的base环境输入conda activate base即可进入Anaconda默认的环境如果不创建或激活其他环境直接在Anaconda Prompt 中安装第三方库就会默认安装到base环境中。然后输入红框所示命令进行测试与环境最后输入conda deactivate退出base环境打开Anaconda Prompt输入conda config --show-sources查看当前配置文件路径。可以看到两个路径D:\anaconda3\.condarc和C:\Users\32186\.condarc。第二个是下载时默认的配置文件路径第一个是你自定义下载目录下的配置文件路径我们只关注第一个。找到.condarc配置文件位置如下右键此文件点击【在记事本中编辑】里面显示如下内容这是默认配置需要我们自己写入内容注意一定不要直接在这里面复制粘贴内容要按照下面3.2所示操作写入内容自己创建文件夹目录D:\anaconda_pkg和D:\anaconda_env名称和路径按个人习惯来pkg这个目录是conda包缓存仓库多个环境时下载同一个安装包时不会重复下载直接从这个目录复用env这个目录是所有自己创建的虚拟环境存放目录。为什么要自己创建而不是直接用D:\anaconda3\envs来创建虚拟环境因为你登录的windows账号一般是个人用户可能出现没有权限读写anaconda3下文件的情况只有只读权限前面为什么不能直接修改.condarc就是这个原因我就以前就因为这个原因报错了好久而自己创建目录方便后续管理3.2 修改conda配置在开始菜单里面以管理员身份打开记事本如下点击记事本的左上角【文件】-【打开】找到D:\anaconda3\.condarc即配置文件所在的路径刚才命令行有输出复制即可此时默认只能看见文本文档需要在右下角更改可查看文档类型在下拉框修改为【所有文件】如下然后打开.condarc文件写入完整配置pkgs_dirs、envs_dirs、channels、default_channels、custom_channels直接复制以下全部内容覆盖原本内容记得删掉我的注释内容pkgs_dirs: - D:\anaconda_pkg // 替换为你自己创建的pkg路径 envs_dirs: - D:\anaconda_env // 替换为你自己创建的env路径 channels: - defaults show_channel_urls:truedefault_channels: // 镜像加速设置为清华源 - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud3.3 验证conda配置输入conda info检查channel URLs、package cache、envs directories是否指向新配置。可以看到package_cache已经修改为自己的D:\anaconda_pkgenvs_directories的第一行是D:\anaconda_env后续创建环境就会默认从最上面的路径进行写入即第一行channel_URLs也出现了清华源的地址说明配置成功3.4 修改pip配置注意这里是在cmd里面执行命令。输入pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple然后执行pip config list验证为了后续pip下载的时候也能使用镜像加速四、创建项目专用虚拟环境这部分主要是自己创建项目所需的虚拟环境建议不同的项目创建不同的环境否则使用同一环境复现多个论文方法的时候会出现各自所需的依赖库存在版本冲突的问题。4.1 创建环境在Anaconda Prompt输入命令conda create --name mcfnet python3.9.13然后输入y确认安装conda create--name项目名称pythonPython版本号 conda create--namemcfnetpython3.9.13出现如下内容即为安装成功4.2 激活与验证先使用conda env list查看所有环境然后输入conda activate mcfnet激活项目虚拟环境最后输入python --version检查Python版本成功安装五、论文代码下载与VS Code配置这部分主要是去GitHub上面下载论文开源代码然后在IDE里面配置环境下载Pytorch及其他依赖并进行demo测试5.1 下载项目代码打开论文仓库页面点击【Code】-【Download ZIP】直接下载仓库会的话也可以git下载演示就以我的论文MCFU-net为例PS如果该博客对大家有用的话还望多多Star同行也可以引用一下作为对比实验的垫脚石哈哈哈5.2 VS Code打开项目解压到本地工作目录然后用VS Code打开该项目选择信任此文件夹若提示安装Python选择【取消】或者【不再询问】这是因为本地没有安装python直接使用Conda环境即可5.3 配置Python解释器如下随便点击一个py文件如左侧的train.py然后右下角会出现Select Python Interpreter点击之后出现上侧弹窗选择刚才创建的mcfnet环境可以看到它的Python版本就是我们自己选择的3.9.135.4 安装PyTorchGPU版查看项目依赖清单我在requirements.txt里面没有给出Pytorch的版本因为大家的机器不一样如果直接下载论文中所示的PyTorch 2.3.0和CUDA 11.8可能会报错论文实验环境GPU用的是4090 Ada架构方法1先去PyTorch官方查看自己环境对应应该下载什么版本方法2更简单告诉ai自己的GPU型号让它给出下载命令。不要直接使用如下图片的下载命令来安装torch必须根据显卡型号选择torch及CUDA版本。新建一个终端你在右下角配置了解释器之后即选择了mcfunet环境每次新建终端就会自动输入conda activate mcfnet帮你激活对应环境然后直接输入PyTorch下载命令即可我使用pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128如下出现如下内容即为安装成功然后输入pip install -r requirements.txt安装项目依赖出现Successfully installed XXX即为安装成功。如果想要单独安装第三方库输入pip install 库名称即可之前已经配置过了pip的镜像加速并且建议优先使用pip命令而不是conda命令来下载因为conda可能会有些库版本落后且不存在5.5 查看论文Readme进行复现准备复现代码首先需要查看仓库的readme看看有什么注意事项和需要下载的东西数据或权重本仓库所需如下从百度网盘链接里面下载所需文件并按照说明放到指定目录下面将data和与训练模型权重放到项目指定位置如下输入python MCFU_net.py先测试torch是否能够正常加载模型然后输入python test_demo.py --model_name MCFU-net --dataset TN3K --fold 0 --epoch 150进行快速单图demo测试如下成功总结本篇博客完整覆盖了“Anaconda安装 → 环境变量配置 → conda配置文件修改 → 虚拟环境创建 → 论文代码下载 → PyTorchGPU版本安装 → 数据准备 → 成功跑通测试“的全流程图文教学。写这个博客不仅为了给大家分享如何从0到1跑通一个深度学习项目同时也是为了方便自己后续再次在新机器上面配置环境的时候有个完整的教程不再是打开5、6篇博客挨个对照翻看以前没ai的时候真是这么干的不过现在很多报错都可以直接让agent帮你搞定方便很多。需要注意的是这种程度并不算复现只是配置好环境跑通一个demo而已而且这还是在我的项目readme非常易懂且给出代码、数据和权重的情况下才能快速的不报错测完。如果论文不开源代码呢如果只开源模型代码不给权重呢如果不给完整数据集只给一个测试样例呢因此这篇博客只是一个环境配置的基础教学想要真正搞懂一篇论文的方法还需要走很多的路。如果这篇博客对你有帮助欢迎Star我们的项目⭐或收藏本篇文章也欢迎在评论区交流