鉴于我之前学深度学习，图像处理的时候走了很多弯路踩了很多坑的情况（其实主要是最近不想学习，想水一期博客），决定出一期深度学习环境配置的教程，因为我之前配置opencv的环境，TensorFlow的环境，pytorch的环境，都踩了了很多坑，所以我决定全方位的讲解一下python的环境配置问题，不管大家以后配置什么环境，只要是python的包括web的flask环境Django环境也一样，直接按照我的方法来就行了，很简单，一通百通。

首先我们先说一下软件下载问题：

我们要配置环境，一定要下载软件，我个人是非常主张所有软件都采用谷歌浏览器下载的，事实也证明这样做会带来很多好处，基本上程序猿都是使用谷歌浏览器的，我不建议使用其他浏览器采用我的方法，而且谷歌浏览器的盗版很多，我这里给出正确的下载链接。

Google Chrome 网络浏览器

直接下载安装即可，默认路径就行，反正也不大，千万别坚持用什么360等等，谷歌浏览器的好处自己慢慢体会。

然后我们就要下载我们需要的深度学习环境软件了，我们的环境是基于anaconda和pycharm的，这也是现在大多数搞深度学习的程序员喜欢的，当然也可以单纯用anaconda或者pycharm进行开发，但是弊端你自己慢慢体会，我这里只说我认为对的方法，anaconda+pycharm。

简单解释一下两个软件的功能，anaconda提供基本上你能想要的所有库，通过anaconda下载所有库，然后pycharm是IDE，就是所谓的写程序的编译环境，我们通过anaconda下载所有库，然后导入pycharm进行使用和程序开发。这就组成了我们所谓的深度学习环境，或者你配置的是其他环境也行，反正都一样。

说到这里，我们已经对我们需要配置的软件有了一点了解，下面我们给出anaconda和pycharm的下载链接，之前帮师弟师妹们配置环境，发现他们都从网上乱找这些软件，甚至从微信公众号上搞百度云的下载链接，总之会出现各种问题，其实我们之间去官网下载就行，反正anaconda是免费的不用破解，pycharm社区版的也不用破解（社区版的完全可以满足需求，至少我用了三年了一直没啥问题）。

anaconda下载链接：Anaconda | The World's Most Popular Data Science Platform

点Download直接下载即可，我默认大家都是windows系统，其他的系统的请另选他处。

pycharm的下载链接：PyCharm: the Python IDE for Professional Developers by JetBrains

点击DOWNLOAD ,则进入到下一个界面，如下，

左边的Professional是专业版的，我们下载的是右边的Community社区版的即可。点右边黑色的Download即可，这就是正在下载了。

好了，等我们软件下载成功我们就要进入深度学习这个天坑了，做好被恶心的准备，如果你网速不好下载失败了，多点几次就行了，或者换个网速好的地方，这也没办法，多尝试吧。

软件下载好了，我们首先安装anaconda，看了网上那么多啰嗦的anaconda安装教程会导致我刚开始学的时候看的头大，我决定来个简单点的教程，干净利落的解决所有问题，其他详细的问题，遇到了再慢慢解决就行。

anaconda的安装：

双击运行

点击next，

点击I Agree

点击Next

这里是安装路径，可以修改，别让路径中有中文即可，我这里是瞎弄的，因为我电脑上有环境了，所以走个形式给大家演示一下。

然后点Next即可

这里按照我弄的来就行，如果你想深究参数的意义，可以自行百度研究。这里点Install

这是正在安装的过程，等就行了，有时候可能会有点慢。

最后界面上不论你的选项是否跟我的一样，你都不要选，不要选，这两个对号不要打。

好了，到这里你的anaconda就安装完毕了。点击的电脑的开始

，

会出现这一大堆，默认win10啊，其他的也差不多，这说明安装好了。

下面我们安装Pycharm

Pycharm的安装

同样我们双击pycharm的安装包，

选择路径，自行修改，建议别装到C盘，

直接默认着下来就行，

这里直接选择第二个，稍后重启就行，不影响使用。

这里，pycharm也装好了，anaconda和pycharm都安装好了。我们进行到环境配置。

环境配置：

点击Anaconda Prompt

进入这个界面，我这里是H盘，你那边大概率是C盘开头，不过没关系，问题不大不影响，这个自行百度修改，很简单。

首先我们需要建立自己的虚拟环境，不要在这个界面直接pip安装东西，我们要建立自己的虚拟环境，这样我们才能做到配置完整合理，整整齐齐，互不冲突的环境。

首选我们在这个界面输入命令：

conda create -n xiaozhai python=3.10

这个xiaozhai，是我设置的我的虚拟环境的名字，你可以自行修改，随便叫啥都想，只要不是汉语就行。

这里输入 y 即可，（yes和no的意思）。

这就是在创建属于自己的环境ing

这样就是环境创建成功

然后我们需要进入我们的环境

我们需要输入命令：

conda activate xiaozhai

xiaozhai改成自己刚开始设置环境的时候，设置的环境名字

看最左边由base变成了xiaozhai，这说明进入了我们设置的环境

环境配置导入：

这个时候我们就需要打开pycharm了，将我们设置的环境解释器导入pycharm

首选，在桌面上新建一个名为test的文件夹。

我们打开pycharm

点击open

找到test文件夹打开。

然后我们需要导入解释器，

点击左上角的File

点击Setting

我们在Python Interpreter里找到自己创建环境的解释器，因为理论为可以创建无数个环境，我们找打适合我们这个工程的环境。

这四个环境是我之前创建的四个环境的解释器，我们点击左上角的+号，寻找我们的新环境

有时候，系统会自动检测到环境解释器，然后导入，就像我这样，但是如果没有自动检测到的话，你就要手动寻找了。

点击最右边的三个....

我们的环境在我们anaconda的安装位置的envs文件夹下

我们不是直接将环境名字的这个文件夹导入，而是点开文件夹，里面有个python.exe，如我下图所示，将这个选中，然后点击ok。

可以看到我的环境里面有了我刚才新创建环境的解释器。

我们选中这个环境的解释器，点击下面的ok，即可将我们创建环境的解释器，导入Pycharm

到这里，我们就可以完成了基本的环境配置，我们就可以下载各种我们需要的库和深度学习框架了。

opencv环境配置下载：

同上打开anaconda Prompt输入上述命令进入我们的环境，这样可以保证我们配置的库都在我们设置的虚拟环境中

我们只需要在这里输入各种库的下载命令即可

以opencv为例：

pip install opencv-python

这个下载库的过程用的是国外的源，有时候网速不好会下载的很慢，会出现这种情况

我们可以换成豆瓣源下载，会大大加快下载速度。

pip install 下载的包名 -i /simple/ --trusted-host

pip install opencv-python -i /simple/ --trusted-host

当最下面出现Successfully installed numpy-1.22.3 opencv-python-4.5.5.64，说明安装成功，对于所有库都是这样，出现Successfully installed +库名说明安装成功

我们可以在我们的pycharm相应环境的解释器中找到对应的安装包名字，即可说明安装成功。

好了讲到这里，我想大家应该会举一反三了，所有库都是这样下载的，只是有时候你需要去查清楚具体安装包的名字，别在pip的时候搞错包的名字就行。

TensorFlow环境配置：

比如我们经常用的TensorFlow

pip install Tensorflow -i /simple/ --trusted-host

Tensorflow安装成功

Pytorch环境的配置：

Pytorh的配置命令不太一样，你需要去他的官网找到他给的下载命令，输入即可。

Pytorch官网网址：PyTorch

根据你的需要选择，会出现不同的命令

也只是命令不一样，其他操作方式一样。

这里给出Pytorch的下载命令(window系统，CPU版本的Pytorch)：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

安装Pytorch

又会出现这种，输入y，按回车即可

输入y，按回车即可

环境下载ing

下载各种版本的方法，以opencv为例：

下载3.4.11.41版本的opencv

pip install opencv-python==3.4.11.41 -i /simple/ --trusted-host

有用的话麻烦点个赞，博主后续会开源更多代码，非常感谢支持！

史上最全深度学习环境配置教程---适用于各种深度学习框架---Pytorh TensorFlow Keras-等和各种python环境