2、Python与深度学习环境搭建：Anaconda安装、PyTorch框架配置、CUDA与cuDNN安装、Jupyter Notebook使用

说实话，很多同学学深度学习，第一关就卡在环境搭建上。

我记得自己刚入行那会儿，光装CUDA就折腾了两天。后来发现，其实只要理清步骤，这事儿没那么玄乎。今天我就带你一步步把环境搭好，保证你跑起来顺顺当当的。

2.1 Anaconda：Python的“瑞士军刀”

我个人习惯用Anaconda来管理Python环境。为什么？因为它自带conda包管理器，能帮你隔离不同项目的依赖。说白了，就是避免“装A项目把B项目搞崩了”这种尴尬事。

安装步骤：

1. 去Anaconda官网下载对应系统的安装包（Python 3.9+版本）
2. 安装时记得勾选“Add Anaconda to my PATH environment variable”
3. 安装完成后，打开终端（Windows用Anaconda Prompt）

验证安装：

conda --version
python --version

如果看到版本号，说明安装成功。嗯，这里要注意：如果你用的是Mac M1/M2芯片，建议装Miniforge而不是Anaconda，兼容性更好。我在项目里踩过这个坑，原生Anaconda在ARM架构上偶尔会出幺蛾子。

2.2 创建虚拟环境：给你的项目一个“独立房间”

你想想看，每个项目需要的包版本可能不一样。比如项目A要PyTorch 1.12，项目B要2.0。如果全装在一起，迟早会冲突。

我的做法是：每个项目建一个独立环境。

# 创建环境（指定Python版本）
conda create -n dl_env python=3.9

# 激活环境
conda activate dl_env

# 退出环境
conda deactivate

环境名可以随便起，我习惯用项目名或“dl_env”这种通用名。激活后，终端前面会出现环境名，提醒你当前在哪个环境里操作。

2.3 PyTorch框架配置：深度学习的主力军

PyTorch是目前最流行的深度学习框架之一。它的动态图机制让调试变得特别直观——说白了，就是你可以像写普通Python代码一样写神经网络。

安装PyTorch：

去PyTorch官网（pytorch.org）选择你的配置，它会生成对应的安装命令。比如CPU版本：

pip install torch torchvision torchaudio

GPU版本（需要先装CUDA，后面会讲）：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

验证安装：

import torch
print(torch.__version__)
print(torch.cuda.is_available())  # 如果是GPU版本，应该返回True

2.4 CUDA与cuDNN：让GPU跑起来的“引擎”

为什么要装CUDA？因为深度学习训练需要大量并行计算，CPU根本扛不住。CUDA是NVIDIA的并行计算平台，cuDNN是它的深度学习加速库。两者配合，能让GPU发挥最大性能。

安装步骤：

1. 确认你的NVIDIA显卡型号（GTX 1060以上都行）
2. 去NVIDIA官网下载对应系统的CUDA Toolkit（推荐11.8或12.1）
3. 安装cuDNN（需要注册NVIDIA开发者账号）

验证CUDA：

nvcc --version

验证cuDNN：

# 在Python中
import torch
print(torch.backends.cudnn.version())

2.5 Jupyter Notebook：交互式编程利器

Jupyter Notebook特别适合做数据分析和深度学习实验。你可以边写代码边看结果，还能加注释、画图，非常直观。

安装与启动：

# 在虚拟环境中安装
conda install jupyter

# 启动
jupyter notebook

启动后浏览器会自动打开，默认端口是8888。你可以新建一个Python 3的Notebook，开始写代码。

我个人习惯在Notebook里做三件事：

• 数据探索：快速查看脑电信号的波形和统计特征
• 模型调试：逐层打印网络输出，检查梯度是否正常
• 结果可视化：用matplotlib画训练曲线、混淆矩阵

2.6 本章知识体系总览

下面这张图帮你理清整个环境搭建的逻辑关系：

2.7 常见问题与解决方案

问题	原因	解决方法
torch.cuda.is_available() 返回False	CUDA版本不匹配或未安装	检查CUDA版本，重新安装匹配的PyTorch
conda命令找不到	未添加到PATH	重新安装时勾选“Add to PATH”
Jupyter无法启动	端口被占用	jupyter notebook --port=8889
pip安装速度慢	默认源在国外	pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名

好了，环境搭好了，下一章我们就可以开始用PyTorch写真正的循环神经网络了。到时候你会觉得，今天这点折腾，值！

---