ubuntu24.04上使用pycharm中搭建深度学习环境？

2026-04-06 03:06:04 分类：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，并简化 CUDA/cuDNN 等底层库的管理。

以下是详细的操作步骤：

第一步：安装基础工具

Ubuntu 24.04 默认可能没有安装 conda 或最新的 Python 版本，我们需要先准备环境。

  1. 安装 Git 和构建工具（编译某些深度学习库可能需要）：

    sudo apt update
sudo apt install git build-essential python3-pip -y

  2. 安装 Miniconda（推荐，比 Anaconda 更轻量）：
    访问 Miniconda 官网 下载 Linux 版安装包，或者使用命令直接安装最新版：

    # 下载 Miniconda 安装脚本
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 运行安装（按提示操作，通常直接回车即可，最后输入 yes 确认添加到 .bashrc）
bash Miniconda3-latest-Linux-x86_64.sh

# 关闭终端后重新打开，或执行 source ~/.bashrc 使环境变量生效
source ~/.bashrc

  3. 安装 NVIDIA 驱动和 CUDA Toolkit：

    • 注意：PyCharm 本身不管理 GPU 驱动。你需要确保系统已安装 NVIDIA 驱动。
    • 检查驱动：nvidia-smi。如果没有输出，请通过 ubuntu-drivers devices 查看并安装，或使用 .run 文件手动安装。
    • CUDA 版本：建议安装与你的显卡驱动兼容的 CUDA Toolkit。对于 PyTorch，通常不需要单独安装完整的 CUDA Toolkit，只需安装对应的 cudatoolkit 包（由 conda 管理），但如果你需要编译自定义算子或运行特定版本的 TensorFlow，则需安装系统级的 CUDA。
    • 简单方案：直接使用 Conda 安装 PyTorch 时会自动处理大部分 CUDA 依赖。

第二步：在终端创建 Conda 深度学习环境

不要直接在 PyCharm 内部创建环境，建议在终端中预先创建好，这样配置更灵活。

  1. 创建新环境（假设命名为 dl_env，Python 版本选 3.10 或 3.11）：

    conda create -n dl_env python=3.10 -y

  2. 激活环境：

    conda activate dl_env

  3. 安装 PyTorch (以 CPU 版为例，若需 GPU 请看下文)：
    访问 PyTorch 官网 获取对应命令。

    • CPU 版本（仅用于测试代码逻辑）：

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

    • GPU 版本（假设你安装了 CUDA 12.1）：

      pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

      (注：请将 cu121 替换为你实际需要的 CUDA 版本，如 cu118)

  4. 安装其他常用库：

    pip install numpy pandas matplotlib scikit-learn opencv-python jupyter notebook

  5. 验证安装：

    python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

    如果打印出版本号且 True，说明环境搭建成功。

第三步：在 PyCharm 中关联环境

现在 PyCharm 还没有这个环境，需要将其添加为解释器。

  1. 打开 PyCharm，进入 File -> Settings (Windows/Linux 快捷键通常是 Ctrl+Alt+S)。
  2. 导航到 Project: <你的项目名称> -> Python Interpreter。
  3. 点击右侧的齿轮图标 ⚙️，选择 Add…。
  4. 在弹出的对话框左侧选择 Conda Environment。
  5. 勾选 Existing environment，然后点击右侧的文件夹图标 📂。
  6. 浏览路径找到刚才创建的 conda 环境中的 Python 可执行文件。
    • 路径通常为：/home/<你的用户名>/miniconda3/envs/dl_env/bin/python
    • 或者如果你用的是 anaconda，则是 /home/<你的用户名>/anaconda3/envs/dl_env/bin/python
  7. 点击 OK，然后在主界面点击 Apply 和 OK。

此时，PyCharm 右下角会显示你选择的 dl_env 环境，且 Package 列表中将包含你刚才安装的 PyTorch 等库。

第四步：配置调试与终端

为了在 PyCharm 内更好地使用深度学习功能：

  1. 配置 Terminal (终端)：

    • 在 PyCharm 设置中，找到 Tools -> Terminal。
    • 确保 Shell path 设置为 bash (Ubuntu 默认)。
    • 勾选 Use project interpreter (可选)，这样在 PyCharm 内置终端打开时会自动激活当前项目的环境。
    • 推荐做法：在 PyCharm 内置终端中，手动输入 conda activate dl_env 来激活环境，这样所有 pip 安装都会自动进入该环境。

  2. 配置 CUDA 路径 (可选)：
    大多数情况下，只要 torch 正确安装，它会自动寻找系统的 CUDA 库。如果遇到找不到 cuDNN 的错误，可以在 PyCharm 的 Run/Debug Configurations 中添加环境变量：

    • Name: LD_LIBRARY_PATH
    • Value: /usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64 (根据你的实际 CUDA 安装路径调整)

常见问题排查

  • 问题：torch.cuda.is_available() 返回 False
    • 原因 1：未安装 GPU 版的 PyTorch（安装了 cpu 版）。
    • 原因 2：系统 NVIDIA 驱动版本过低，不支持当前的 CUDA 版本。
    • 原因 3：PyCharm 使用的解释器不是刚才创建的那个 conda 环境。
  • 问题：PyCharm 无法识别 conda 命令
    • 确保在 PyCharm 的 Terminal 设置中，Shell path 指向了 bash，并且你在终端里能正常运行 conda 命令。
  • 关于 Ubuntu 24.04 的特殊性
    • 24.04 默认使用 Python 3.12。虽然 PyTorch 支持 3.12，但部分旧的深度学习库（如某些旧版 TensorFlow 插件）可能尚未完全适配。因此，强烈建议使用 Conda 指定 Python 3.10 或 3.11，以保证最大的兼容性。

按照以上步骤，你就可以在 Ubuntu 24.04 上拥有一个干净、隔离且功能完备的 PyCharm 深度学习开发环境了。

未经允许不得转载：CLOUD技术博 » ubuntu24.04上使用pycharm中搭建深度学习环境？