2、环境搭建与工具链：Python环境配置、Anaconda与虚拟环境、PyTorch/TensorFlow安装、CUDA与GPU环境验证

说实话，环境搭建这事儿，看着简单，但坑是真不少。我带过不少新人，十有八九第一周都在跟各种报错死磕。我自己刚入行那会儿，也曾在CUDA版本不匹配的问题上折腾了两天。所以这一章，咱们就把这些基础打扎实了。

2.1 Python环境配置

做OCR，Python几乎是标配。我个人习惯用Python 3.8或3.9，这两个版本对主流框架的兼容性最好。你可能会问，为什么不用最新的3.12？嗯，这里要注意，很多OCR的底层库（比如一些C++扩展）还没跟上最新版，强行用容易踩坑。

安装Python时，记得勾选“Add Python to PATH”。我见过太多人忘了这一步，结果在命令行里敲python死活找不到命令。如果你已经装好了，可以在终端里验证一下：

python --version
pip --version

如果能看到版本号，说明环境没问题。否则，检查一下环境变量，或者干脆重装一遍。

注意： 千万别用系统自带的Python（比如macOS或Linux预装的）。那些版本通常比较老，而且你乱装包可能会搞乱系统依赖。老老实实从官网下载安装包，或者用Anaconda来管理。

2.2 Anaconda与虚拟环境

做项目最怕什么？依赖冲突。你想想看，项目A需要PyTorch 1.10，项目B需要PyTorch 2.0，要是装在一个环境里，迟早出问题。这时候虚拟环境就派上用场了。

我个人强烈推荐Anaconda。它不光能管理Python版本，还能隔离各种包。安装Anaconda之后，创建虚拟环境很简单：

conda create -n ocr_env python=3.9
conda activate ocr_env

你看，一个叫ocr_env的干净环境就建好了。以后所有OCR相关的包都装在这里，跟其他项目互不干扰。我在项目中遇到过好几次，因为环境混乱导致模型训练结果对不上，排查了半天才发现是某个包的版本被悄悄升级了。从那以后，我每个项目都单独建一个虚拟环境，再也没出过这种问题。

小技巧： 如果你用pip安装包特别慢，可以换成国内镜像源。比如清华的镜像：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名。或者直接在conda里配置：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/。

2.3 PyTorch/TensorFlow安装

OCR领域，PyTorch和TensorFlow是两大主流框架。我个人更偏爱PyTorch，它的调试体验更友好，而且学术界很多OCR论文都是用PyTorch实现的。当然，TensorFlow在工业部署上也有它的优势，比如TFLite在移动端表现不错。

安装PyTorch时，一定要去官网（pytorch.org）用那个配置生成器。它会根据你的操作系统和CUDA版本，生成最合适的安装命令。比如：

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

这里cu118表示CUDA 11.8。如果你没有GPU，可以装CPU版本：

pip install torch torchvision torchaudio

TensorFlow的安装也类似：

pip install tensorflow

如果你有GPU，记得装tensorflow-gpu（不过从2.1版本开始，官方已经合并了，直接装tensorflow就会自动匹配GPU）。

避坑指南： 我曾经因为PyTorch和CUDA版本不匹配，训练时直接报“CUDA error: no kernel image is available”。后来发现是PyTorch编译时用的CUDA版本跟我机器上装的不一样。解决办法很简单：要么升级PyTorch，要么降级CUDA，总之得保持一致。

2.4 CUDA与GPU环境验证

装好框架之后，怎么知道GPU能不能用？别急，咱们一步步验证。

首先，确认你的NVIDIA驱动装好了。在终端里敲：

nvidia-smi

如果能看到GPU型号、驱动版本、CUDA版本，说明驱动没问题。比如我机器上显示的是“CUDA Version: 11.8”。

然后，验证PyTorch能不能调用GPU：

import torch
print(torch.cuda.is_available())  # 应该输出 True
print(torch.cuda.device_count())  # GPU数量
print(torch.cuda.get_device_name(0))  # GPU型号，比如 "NVIDIA GeForce RTX 3090"

如果输出True，恭喜你，环境搭好了。如果输出False，别慌，检查一下：

  • PyTorch版本是否支持你的CUDA版本？
  • 驱动是否更新到最新？
  • 是不是装了CPU-only版本的PyTorch？

TensorFlow的验证也类似：

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))

如果能看到GPU设备列表，就说明一切正常。

小提示： 如果你有多张GPU，可以用os.environ['CUDA_VISIBLE_DEVICES']='0,1'来指定用哪几张。我在训练大模型时经常这么干，避免把显存占满导致其他任务卡死。

2.5 总结

环境搭建说白了就是三板斧：装Python、建虚拟环境、装框架和CUDA。每一步都有坑，但只要你按部就班来，基本不会出大问题。我建议你把每一步的验证命令都跑一遍，确保每个环节都通了再往下走。毕竟，后面训练模型时如果环境出问题，排查起来更头疼。

下一章，咱们就开始动手写第一个OCR demo了。到时候你会发现，环境搭好了，后面的事就顺了。

← 上一章 📖 返回目录 下一章 →