改用Linux了，笔记改到这里：
https://blog.csdn.net/weixin_41794514/article/details/126850887?spm=1001.2014.3001.5501
目录
- 改用Linux了，笔记改到这里：
- 工具使用
- 1. 开发工具建议使用pycharm
- 2. 安装包管理工具建议使用Anaconda
- 3. 安装结果检查
- Pytorch安装
- 1. 创建一个新的虚拟环境用于安装pytorch
- 2. 配置pytorch 虚拟环境
- 3. 在PyCharm中配置PyTorch虚拟环境
- 丰富的PyTorch学习资源
工具使用
1. 开发工具建议使用pycharm
官网链接: PyCharm: 面向专业开发者的Python IDE
可以下载社区版和专业版，社区版免费，专业版收费。
但是如果是学生或者老师，可以申请JetBrains的免费教育许可证，具体申请条件看官网：
链接: 免费教育许可证
我选择的是社区版（一般使用足够）
2. 安装包管理工具建议使用Anaconda
Anaconda集成了常用于科学分析（机器学习， 深度学习）的大量package，并且借助于conda我们可以实现对虚拟Python环境的管理，可以非常方便的用于机器学习及深度学习。
链接: Anaconda官网
我选择的是默认安装
3. 安装结果检查
安装好之后打开终端，分别输入以下命令可以看到conda的版本、python的版本(这里是我之前安装过python)和已经创建的虚拟环境。
Pytorch安装
1. 创建一个新的虚拟环境用于安装pytorch
也可以在默认base环境中安装，但是为了防止太乱，Anaconda可以创建一个个不同的环境把这些包分开，比如需要一个tensorflow的环境，那就创建一个环境在这个环境内下载安装tensorflow，然后另一个环境装pytorch。
退出某一环境命令如下：
conda deactivate
- 1
虚拟环境创建命令如下：
conda create -n pytorch
- 1
结果图如下：
注：1）可以看到输入conda deactivate后，退出base环境，下一行前面已经没有"(base)"字样
2）创建新的环境后，会告诉我们如何进入和退出这个环境
3）如果想每次打开终端，不自动进入任何环境（现在打开终端自动进入base环境）可以设置如下操作：
conda config --set auto_activate_base false
- 1
设置好之后退出终端再重进就是这种情况：
可以看到行头已经没有(base)了
2. 配置pytorch 虚拟环境
首先终端进入pytorch环境：
conda activate pytorch
- 1
如图，前面出现(pytorch)就表示进入成功：
1）查看现在环境中所有已安装的包
conda list
- 1
结果如下：
显示环境中什么包都没安装
2）安装python 3.8版本
conda install python==3.8
- 1
在弹出的询问y/n中，选择 y
可以看到，安装成功：
3）安装pytorch
首先进入pytorch官网查看自己电脑适合哪个版本：
链接: PyTorch官网
可以看到，pytorch已经支持mac的M系列芯片，我的电脑配置是：
下载command是：
conda install pytorch torchvision torchaudio -c pytorch
- 1
下载结束输入conda list命令查看包可以看到pytorch已经安装：
测试如下：
在pytorch环境下打开python，import torch没有出错：
4）其他命令
如果想删除某个虚拟环境，则在终端中输入：
conda remove -n env_name --all # env_name用要删除的虚拟环境的名字替换即可
- 1
如果想卸载某个包，则在对应的虚拟环境终端中输入：
conda remove package_name # package_name用要删除的包的名字替换
- 1
其他不常用命令见Anaconda官网：
链接: Command Reference
3. 在PyCharm中配置PyTorch虚拟环境
- 打开PyCharm，新创建一个project：
- 在interpreter里选择前面创建的pytorch虚拟环境：
- 点击create，进入页面后看PyCharm右下角会发现解释器是之前的pytorch虚拟环境：
至此，配置完成，可以在PyCharm里愉快的使用pytorch虚拟环境了，如果还想安装其他包，比如matplotlib，再次打开终端进入pytorch虚拟环境，用安装命令安装即可。
丰富的PyTorch学习资源
- Awesome-pytorch-list：目前已获12K Star，包含了NLP,CV,常见库，论文实现以及Pytorch的其他项目。
- PyTorch官方文档：官方发布的文档，十分丰富。
- PyTorch中文文档
- Pytorch-handbook：GitHub上已经收获14.8K，pytorch手中书。
- PyTorch官方社区：PyTorch拥有一个活跃的社区，在这里你可以和开发pytorch的人们进行交流。
- PyTorch官方tutorials：官方编写的tutorials，可以结合colab边动手边学习
- 动手学深度学习：动手学深度学习是由李沐老师主讲的一门深度学习入门课，拥有成熟的书籍资源和课程资源，在B站，Youtube均有回放。
- Awesome-PyTorch-Chinese：常见的中文优质PyTorch资源
参考：
[1] Datawhale深入浅出PyTorch项目