【系统重装】PYTHON 入门——速通版

Autumn7299

681人浏览 · 2026-02-23 16:06:29

Autumn7299 · 2026-02-23 16:06:29 发布

速通版说明!!

直接输入指令验证，缺少什么就安装什么

CONDA

conda 也叫 anaconda，验证：

conda -V

在这里插入图片描述

下载安装配置

如果缺少，参考这篇里面的----Win10（无gpu）https://blog.csdn.net/weixin_46022776/article/details/152517904

下载Anaconda3-2024.10-1-Windows-x86_64.exe
https://repo.anaconda.com/archive/

配置系统环境变量

D:\Environment\anaconda3
D:\Environment\anaconda3\Scripts
D:\Environment\anaconda3\Library\bin

修改虚拟环境的默认路径（可选）

文章：https://blog.csdn.net/weixin_46022776/article/details/156308826

conda config --show

指令查看 pkgs_dirs:
在这里插入图片描述

去对应目录，即C:\Users\Admin\ 目录修改.condarc 文件，没有可自行创建

在这里插入图片描述
最初是只有前5行的，添加envs_dirs: 跟pkgs_dirs: 部分，修改后

channels:
  - defaults
  - https://repo.anaconda.com/pkgs/main
  - https://repo.anaconda.com/pkgs/r
  - https://repo.anaconda.com/pkgs/msys2
envs_dirs:
-  D:\Environment\.conda\envs
pkgs_dirs:
-  D:\Environment\.conda\pkgs

在这里插入图片描述

显卡驱动

nvidia-smi

在这里插入图片描述

下载 / 卸载重装

上述指令如果无法显示，大概率是显卡驱动没有装，另外驱动需要更新/卸载重装，也可参考：
https://blog.csdn.net/weixin_46022776/article/details/156388392

英伟达官网驱动下载地址：
https://www.nvidia.cn/geforce/drivers/
注意：如果是做深度学习，下载类型建议选择 ❗Studio驱动程序 ❗

CUDA

cuda 能顺利安装的前提：①GPU是英伟达显卡， ②显卡驱动正常安装。

nvcc -V

在这里插入图片描述

下载安装

下载： https://developer.nvidia.com/cuda-toolkit-archive

默认安装路径C:\Users\Admin\AppData\Local\Temp\cuda，自定义安装

在这里插入图片描述

只勾选下面四个选项，别的都不选！

在这里插入图片描述

C:\Users\Admin\AppData\Local\Temp\cuda搜索nsight，手动安装nsight这三个程序 👇

在这里插入图片描述

安装完成后，CUDA下的选项再全部勾选，其他两个可不选

在这里插入图片描述

默认
在这里插入图片描述

勾选

在这里插入图片描述

如果出现下面情况，请参考https://blog.csdn.net/weixin_46022776/article/details/156388392

在这里插入图片描述

如果不是上面这个界面而是这个，代表成功安装！

在这里插入图片描述

创建虚拟环境

py4DSTEM、PyTorch、Cupy

https://pytorch.ac.cn/get-started/locally/

# 初始化
conda init

# 新开终端，指定py版本
conda create -n py310_test_win python=3.10
conda activate py310_test_win

# 下载环境需要的包
pip install py4DSTEM

# 前面cuda版本是12.4这里也要对应版本
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124
pip install cupy-cuda12x

测试test_env.py

# -*- coding: utf-8 -*-
import numpy as np
import cupy as cp
import time

# NumPy测试
start_time = time.time()
x0 = np.ones((100,1000,1000))
x1 = 5 * x0
X2 = x1 * x1
end_time = time.time()
print('numpy执行时间:', end_time - start_time)

# CuPy测试
start_time1 = time.time()
x3 = cp.ones((100,1000,1000))
x4 = 5 * x3
X5 = x4 * x4
end_time1 = time.time()
print('cupy执行时间:', end_time1 - start_time1)


import torch
print('PyTorch 版本:', torch.__version__)
import py4DSTEM
print('Py4DSTEM 版本:', py4DSTEM.__version__)