Windows11部署PyTorch流程参考指南2024最新——含新版PyCharm报告“Conda executable is not found”解决方法_pycharm配置时显示no conda excutable found

    3月25日一下午本人都挣扎于配置annconda、pytorch、pycharm等机器学习相关组件，本人感觉目前网上的指导说明门槛高、说法模糊、不适合最新版软件，甚至一些好的教程需要付费。本人是坚定的开源精神支持者，在此处希望能为CSDN各位也初入该领域的同志提供一个手把手的训练环境配置指南。全文手打，如果有帮助的话点个免费的赞支持一下吧。

十步易人 完成于2024.3.25

    本文主要讲解如何本地部署Anaconda、Pytorch、最新版PyCharm，以及对于GPU训练用户，如何布置CUDA和CUDNN进行GPU加速。GPU性能较好（仅限NVIDIA），会运行训练的代码，或者会跑比较大的测试，可以选择GPU版本。其他的，如只用于简单验证，或者只写代码（在其他服务器上训练），则只需要CPU版本。CPU用户可跳过本文第二、三章。

笔者测试设备环境为：

Y9000P 2022，12900h+3060laptop，Win11，Game Ready驱动551.86

---

一、Anaconda安装

官方下载Free Download | Anaconda，连接不稳时需要科学上网；

镜像下载Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror，清华开源镜像；

官网可以直接下载即可，为最新版：

安装过程全选一路到底即可，

此处虽然安装向导提示帮用户自动导入了环境变量，但经过多位使用者测试，可能是权限问题，环境变量无法导入成功，必须手动导入：

1. 在设置中查找“编辑系统环境变量”；
2. 点击“高级-环境变量-系统变量-path双击”
3. 点击新建-浏览，找到conda安装根目录后逐条添加以下五个路径（当然也可以直接导入路径，哪个习惯用哪个）：

     4. 退出时点击确定-确定-确定以确保能保存

     5. Win+R打开运行，输入cmd进入控制台，输入“conda -V”验证：

有conda，完成。

---

二、CUDA安装（CPU用户请忽略）

打开英伟达控制面板-系统信息，查看驱动版本，按表格选择合适版本的CUDA，如果超过表格中的驱动版本则直接安装最新即可：

官网下载：CUDA Toolkit 12.4 Downloads | NVIDIA Developer；

旧版本下载：CUDA Toolkit Archive | NVIDIA Developer；

选择对应系统版本的即可：

一路NEXT安装即可。

注意：笔者在三台设备上尝试发现，改变安装路径后，CUDA和CUDNN都会转移安装路径到C盘，需要各位自己找一下根目录。

同样打开cmd控制台验证，输入“nvcc -V”查找版本，“set cuda”查路径：

---

三、CUDNN安装（CPU用户请忽略）

官网链接：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer，选择win即可，win11兼容。

直接安装即可，安装后在设置中查找“编辑系统环境变量”，点击“高级-环境变量-系统变量-path双击”，添加该路径，11.8和12.3分别对于pytorch不同版本，想用哪个版本的pytorch就添加哪个作为路径。

最后一排为手动添加，上一排是安装cuda时自动添加的，不管有无都可。

---

四、创建Python训练环境

1. Conda中自带base的python环境，12.4版本的conda自带为python3.11；
2. 在cmd控制台中输入“conda info --envs”查看当前环境；
3. 输入“conda remove -n your_env_name”可以删除环境，如下，笔者为了从头演示，删除了原有环境：

     4. 输入“conda create -n torchgpu python=3.11”，创建一个新的训练环境，其中“torchgpu”为对环境的命名，3.11为你选择的python版本；

输入y以表确认

     5. 已成功创建环境，后续如果希望移除该环境，按删除指令即可，注意移除时会将环境中的资源一并移除，如环境中的pytorch等。

输入指令“activate torchgpu”，激活环境，此时路径有了环境名称前缀：

输入上图指令测试运行情况。

---

五、安装PyCharm

安装Pycharm，在官网下载社区版即可，安装时全选后重启：

重启后先安装Pytorch再打开Pycharm。

---

六、安装Pytorch并在Pycharm中调用

安装前需要进行科学上网，本人使用clash verge+某家梯子。

先在cmd激活训练环境：

Pytorch官网：Start Locally | PyTorch；

这里前四行和我选一样的即可：

如果是CPU用户，第五行选CPU；GPU用户如果导入path的是路径11.8，则选CUDA11.8，若导入12.x，选择CUDA12.1即可。

将最后一栏的指令导入cmd，运行即可，请保证网络稳定。

安装完成后输入指令“conda list”，查看有无torch：

有则安装成功，退出cmd，打开Pycharm。

打开pycharm后，选择新建文件，启动项选择canda防止多余下载，随便选择一个exe文件即可，进入界面后都需要修改解释器路径。

在setting-plugins中搜索chinese完成汉化，

汉化完成如下图选择添加python解释器：

 

---

七、最新版Pycharm报告“Conda executable is not found”的解决

在旧版的pycharm中通常能自动识别到conda的文件路径，并且解释器选择界面要复杂一些，如下图：

而新版的Pycharm需要手动导入环境，并且解释器选择被简化

如下图，从conda安装的根目录中找到Scripts文件夹，找到conda.exe文件，导入可执行文件后，点击加载，等待pycharm更新。

此处选择使用现有环境，点击我们已经搭建好的训练环境，点击确定，开始加载，可能要等待pycharm更新一小会。

待右下角更新条目结束后，右键项目文件夹，新建python文件，这里文件命名是test，点击打开：

输入测试代码：

import torch

print(torch.__version__)

# print(torch.version.cuda)

# print(torch.backends.cudnn.version())

使用GPU环境的可以不加后两行注释。

 

程序框反馈pytorch和cuda版本号，如下图，视为环境搭建成功。