0-pytorch环境安装
我们这这次的任务是完成一个图像篡改定位的任务，我们使用的框架是pytorch，编译器是pycharm，在这一节，我们将教程如何在linux环境下安装pytorch等环境
1. 安装miniconda
Miniconda是一个轻量级的 Python 环境与包管理工具
通过清华镜像源下载
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
我们是linux操作系统，所以选择一下的版本：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
1.1 Anaconda软件安装
第一步，首先使用ls命令查看安装包是否存在：
第二步，使用bash Miniconda3-latest-Linux-x86_64.sh进行安装：
输入yes之后按回车：
这里改成yes，然后出现以下画面：
就说明安装成功了，按下ls，可以看见conda的文件夹：
1.2 Anaconda的验证
首先使用source ~/.bashrc，刷新环境，然后使用 conda --version：
ok！现在安装成功了
1.3 python环境的创建
环境命名env_python39，然后按下回车：
conda create -n env_python39 python=3.9出现以下，代表创建成功了：
我们可以使用conda env list，来验证是否安装成功：
2.安装pytorch
2.1 检查当前环境下是否有显卡
我们使用nvidia-smi:
- 若出现类似以上画面， 则代表电脑安装有显卡，可以使用显卡加速网络训练。记住这里要记住你电脑的cuda版本，即上图红色框内的部分。
- 若显示
'nvidia-smi' 不是内部或外部命令，也不是可运行的程序或批处理文件是正常现象，说明你的电脑没有显卡，但可以使用cpu进行网络训练，没有显卡并不影响后续网络的训练。
2.2 pytorch框架的安装
进入PyTorch官网 https://pytorch.org/get-started/locally/
这里我们Your OS 选择 Linux
若你是没有显卡的电脑，在Compute Platform选择cpu选项；
若你是有显卡的电脑，在Compute Platform选择你电脑的cuda版本；
选好之后，可以得到安装命令，不同的选择会产出不同的命令：
例如，cpu版本的命令为：pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cpu；
cuda 12.6的命令为：pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126
我们首先使用命令conda activate env_python39进入我们的环境中：
然后运行刚刚得到的命令例如pip3 install torch torchvision：
2.1 pytorch框架的验证
我们在env_python39的环境下，先输入python，进入python环境，然后输入验证代码：
import torch
print(torch.__version__) #查看pytorch版本
print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False
可以看出，pytorch加载成功
3.安装pycharm
PyCharm官网：https://www.jetbrains.com/zh-cn/pycharm/#，点击下载按钮即可下载安装包
1.1 pycharm软件安装
第一步，首先使用ls命令查看安装包是否存在：
第二步，使用 tar -zxvf pycharm-2025.3.4.tar.gz 解压压缩包，最后在本地得到了如下文件夹：
其中绿框内为pycharm文件夹，使用 ./pycharm-2025.3.4/bin/pycharm启动pycharm：
1.2 Pycharm导入已创建的env环境
（1）打开Pycharm软件，打开项目文件夹：
（2）点击左上角设置按钮 -> 选择Setting ->弹出窗口左侧选择Python-解释器，然后在右边选择添加解释器 ->继续选择添加本地解释器
然后点击选择现有，将类型改成conda：
然后选择正确的conda路径和我们创建的虚拟环境：
以上，深度学习的开发环境Anaconda+PyTorch+PyCharm就已经搭建完成了