深度学习环境配置指南：基于Anaconda与PyCharm的全流程操作
一、环境搭建前的准备
1. 查看基础环境位置
conda env list 操作说明：通过该命令确认Anaconda默认环境（base）所在磁盘路径（如D盘），后续操作需跳转至该磁盘根目录。
二、创建与激活独立虚拟环境
1. 创建Python 3.12环境
conda create -n pyTraining python=3.12参数说明：
-n pyTraining：指定环境名称为pyTraining
-python=3.12：指定Python版本为3.12
2. 初始化Conda并重启终端
conda init 操作要点：执行后需关闭当前终端，重新打开以生效。
3. 激活新创建的环境
conda activate pyTraining 验证方式：终端提示符出现(pyTraining)前缀即表示激活成功。
三、依赖库安装与镜像加速
1. 基础工具包安装
pip install tqdm # 进度条工具 2. 数据库连接库
pip install mysql-connector-python -i https://mirrors.aliyun.com/pypi/simple 镜像说明：使用阿里云镜像提升下载速度。
3. 模型可视化工具
pip install torchviz -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install graphviz -i https://pypi.tuna.tsinghua.edu.cn/simple适用场景：用于PyTorch模型的计算图可视化分析。
4. 数值计算库（指定版本）
pip install numpy==1.26.4 -i https://mirrors.aliyun.com/pypi/simple 版本锁定原因：确保与课程/项目代码兼容性。
5. 计算机视觉库
pip install -i https://mirrors.aliyun.com/pypi/simple opencv-contrib-python
pip install -i https://mirrors.aliyun.com/pypi/simple opencv-python 组合安装说明：opencv-contrib-python包含扩展模块（如SURF算法），opencv-python为基础库。
四、PyCharm环境配置流程
1. 确认新环境路径
conda env list # 查看pyTraining环境路径（如D:\Anaconda3\envs\pyTraining） 2. 在PyCharm中配置解释器
1. 打开PyCharm，进入File > Settings > Project: shixun > Python Interpreter
2. 点击齿轮图标 → Add Interpreter→ Add Local Interpreter
3. 浏览选择新环境下的python.exe路径（如D:\Anaconda3\envs\pyTraining\python.exe）
4. 点击OK完成替换，等待依赖索引更新完成。
五、实战验证：运行示例脚本
执行测试命令
D:\Anaconda3\envs\pyTraining\python.exe F:\pyLshixun6.4\day8\search_img_mysql.py输出示例：
77% | 1397/1803 [01:21<00:25, 15.92it/s]
验证要点： -
确认脚本使用新环境的Python解释器执行
观察进度条（由tqdm库生成）是否正常更新
六、常见问题解决方案
1. 环境激活失败
现象：执行conda activate后未出现环境前缀
排查步骤： - 检查是否已执行conda init并重启终端
- 确认环境名称拼写是否正确（pyTraining非pyTranin）
2. PyCharm未识别新环境
解决方法： - 手动指定解释器路径时确保目录正确
- 尝试重启PyCharm或清除项目缓存（File > Invalidate Caches/Restart）
七、附：镜像源列表
| 镜像源 | URL |
| 阿里云 | Simple Index https://mirrors.aliyun.com/pypi/simple |
| 清华TUNA | Simple Indexhttps://pypi.tuna.tsinghua.edu.cn/simple |
使用建议：在pip命令中通过-i参数指定镜像源，提升下载稳定性。
转载声明：本文允许非商业用途转载，请保留原文链接与作者信息。