ubuntu24.04上使用pycharm中搭建深度学习环境？-CLOUD云计算

在 Ubuntu 24.04 上使用 PyCharm 搭建深度学习环境，最推荐且稳健的流程是：利用 Conda (或 Miniconda) 创建独立虚拟环境，然后让 PyCharm 识别该环境。这种方式能有效隔离依赖冲突，并方便管理 CUDA/cuDNN 版本。

以下是详细的操作步骤：

第一步：安装基础工具 (Miniconda/Anaconda)

PyCharm 虽然支持系统 Python，但为了深度学习（特别是涉及 CUDA），强烈建议使用 Conda 来管理环境。

下载并安装 Miniconda (轻量级，推荐)：

# 进入下载目录 (假设已下载 miniconda3-latest-Linux-x86_64.sh)
cd ~/Downloads

# 赋予执行权限
chmod +x miniconda3-latest-Linux-x86_64.sh

# 运行安装脚本 (一路回车即可)
bash miniconda3-latest-Linux-x86_64.sh

注意：安装过程中询问是否初始化 conda 时，选择 Yes。

激活 Conda 环境变量：
重启终端或执行以下命令使其生效：
```
source ~/.bashrc
```

第二步：创建深度学习虚拟环境

建议创建一个专门用于深度学习的 Conda 环境，避免污染系统 Python。

创建环境 (以 Python 3.10 为例，CUDA 11.8 为例)：
```
conda create -n deep_learning python=3.10
```
激活环境：
```
conda activate deep_learning
```
安装 PyTorch (关键步骤)：
根据你的显卡型号和 CUDA 版本选择命令。
- NVIDIA 显卡 (推荐 CUDA 11.8 或 12.1):
```
# 示例：安装 PyTorch 2.3 + CUDA 11.8
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
```
  如果是 CUDA 12.1，将 cu118 改为 cu121；如果不确定 CUDA 版本，可先运行 nvcc --version 查看。
- CPU 模式 (无显卡):
```
pip install torch torchvision torchaudio
```

验证安装：

import torch
print(torch.__version__)
print(torch.cuda.is_available())

如果输出 True，说明 GPU 环境搭建成功。

安装其他常用库：

pip install numpy pandas matplotlib scikit-learn opencv-python tqdm

第三步：配置 PyCharm 项目

现在你需要告诉 PyCharm 使用刚才创建的 deep_learning 环境。

打开或新建项目：
启动 PyCharm，打开你的深度学习项目文件夹。
进入解释器设置：
- 点击菜单栏 File -> Settings (Mac 上是 PyCharm -> Settings / Preferences)。
- 导航到 Project: <你的项目名称> -> Python Interpreter。
添加 Conda 环境：
- 点击右上角的齿轮图标 ⚙️ -> Add...。
- 在左侧列表选择 Conda Environment。
- 确保 Existing environment 被选中。
- 点击 ... 按钮浏览路径，找到你刚才创建的环境路径：
  - 通常位于：/home/你的用户名/miniconda3/envs/deep_learning/bin/python
  - 或者通过下拉菜单直接选择 Show All 中列出的 deep_learning。
- 点击 OK 保存。
确认终端：
打开 PyCharm 底部的 Terminal 标签页，确保命令行提示符前带有 (deep_learning)，这表示当前终端已自动激活了该环境。

第四步：针对 Ubuntu 24.04 的特殊注意事项

Ubuntu 24.04 (Noble Numbat) 对驱动和库的管理有一些新变化，请注意以下几点：

NVIDIA 驱动：
确保系统安装了与 PyTorch 兼容的 NVIDIA 驱动。
```
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
```
安装后重启电脑。
pip vs conda 包管理：
- 尽量优先使用 conda install 安装底层库（如 cudatoolkit, opencv 等），因为它们能更好地处理二进制依赖。
- 对于 PyTorch 官方推荐的安装方式，直接使用 pip 从 PyTorch 官网索引安装是最稳妥的，不要试图用 conda 强行安装 PyTorch 主包，除非你有特定的版本需求。
SSH 远程调试 (可选)：
如果你是在本地开发，但在服务器上训练模型，可以在 PyCharm 中配置 Remote SSH 解释器：
- Settings -> Project -> Python Interpreter -> Add -> SSH。
- 输入服务器 IP、用户名、密码/密钥。
- PyCharm 会自动同步代码并在服务器上运行，无需在本地重复安装环境。

常见问题排查

问题：torch.cuda.is_available() 返回 False
- 检查驱动：运行 nvidia-smi，看是否有报错。
- 检查 CUDA 版本匹配：如果你的驱动只支持 CUDA 11.8，却安装了要求 CUDA 12.0 的 PyTorch 包，就会失败。请重新安装对应版本的 PyTorch。
问题：PyCharm 找不到 conda
- 确保在 /etc/environment 或 ~/.bashrc 中正确导入了 conda 路径。
- 在 PyCharm 的 Settings -> Build, Execution, Deployment -> Console -> Python Console 中，勾选 "Use existing virtualenv" 或手动指定 interpreter 的路径。

按照以上步骤，你就可以在 Ubuntu 24.04 上获得一个稳定、隔离且功能完整的 PyCharm 深度学习开发环境了。

第一步：安装基础工具 (Miniconda/Anaconda)

第二步：创建深度学习虚拟环境

第三步：配置 PyCharm 项目

第四步：针对 Ubuntu 24.04 的特殊注意事项

常见问题排查

相关推荐