首页 > 编程语言 >PyCharm配置PyTorch环境(完美解决找不到Conda可执行文件python.exe问题)

PyCharm配置PyTorch环境(完美解决找不到Conda可执行文件python.exe问题)

时间:2024-10-17 18:48:14浏览次数:1  
标签:解释器 exe python 环境 PyTorch 虚拟环境 conda

出现的问题

以下是第一次踩坑的流程,具体解决方法附在后面
新建一个python项目,如图所示设置相关信息

图片名称
  • 设置项目名称和位置
  • interpreter type(python解释器类型)==>自定义环境
  • 环境==>Generate new,创建一个新环境
  • 类型==>conda
  • python==>3.11,如下所示,在创建好的conda环境中使用的是3.12.7,因此选择一个接近的版本
  • Path to conda==>在conda中查看创建的所有虚拟环境,选择自己需要的那个环境,然后在Path to conda选项中选择该环境下的python.exe文件(注意:此时这里已经踩坑,正确做法参考下面给出的流程![]
图片名称 图片名称

点击创建,在一个新的py文件中尝试导入pytorch包测试环境配置是否有问题

import pytorch

发现出现以下报错,应该是python解释器没有配置好

图片名称

进入设置==>python解释器==>conda环境,添加conda可执行文件

发现pycharm在设置解释器时,在conda环境中找不到anaconda已经创建好的python解释器可执行文件python.exe

图片名称

如图所示该虚拟环境下的可执行文件python.exe不在目录中且无法被选中,显示的只有虚拟环境中的那些文件夹,没法添加环境

图片名称

查询原因发现可能是PyCharm版本太高了


解决方法

在pycharm配置conda环境之前需要保证已经创建了虚拟环境,使用conda env list命令查看当前当前虚拟环境

图片名称

创建一个新项目

图片名称
  • 设置项目名称和位置

  • interpreter type(python解释器类型)==>自定义环境

  • 环境==>Select existing,使用现有环境

  • 类型==>conda

  • Path to conda==>F:\Anaconda3\condabin\conda.bat

    注:这里是个大坑,较新版本的pycharm需要选择的是conda.bat这个可执行文件(一般在Anaconda3\condabin\conda.bat文件夹下),而不是选择python.exe或者conda.exe文件

  • 环境:自己需要使用的虚拟环境

进入设置==>python解释器,检查python解释器是否是自己需要使用的那个虚拟环境下的python.exe文件

图片名称 如果不是的话,选择右侧的添加解释器=\=>conda环境,在自己安装的anaconda下找到conda.bat,同样这里使用的仍然不是虚拟环境中的python.exe文件,使用现有环境=\=>选择自己需要使用的那个虚拟环境 图片名称

配置完成后创建一个python文件进行测试,输入以下代码

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

torch.cuda.is_available()用于验证pytorch是否可以使用电脑的gpu

前面的F:\Anaconda3\envs\liang\python.exe是为这个项目设置的python解释器,后面的F:Pycharm\pytorchStudy\test.py当前代码的位置,执行结果为true则配置成功

图片名称

标签:解释器,exe,python,环境,PyTorch,虚拟环境,conda
From: https://www.cnblogs.com/evo-lution/p/18472888

相关文章

  • spark运行报错:env: “/home/hadoop/anaconda3/envs/pyspark/bin/python3.8“: 没有那
    在进入spark的过程中,出现报错【env:"/home/hadoop/anaconda3/envs/pyspark/bin/python3.8":没有那个文件或目录】,当时我立马就被搞蒙了,百度了各种方法,最终都没有解决。当然有大佬说“进入conf目录下,修改spark-env.sh文件”,这个方法我也进行了修改,最终在终端输入./bin/pyspar......
  • python: unittest
     '''生成测试报告https://www.lambdatest.com/blog/generating-xml-and-html-report-in-pyunit-for-test-automation/unittesthttps://codedec.com/tutorials/how-to-generate-html-report-for-pytest-execution/https://docs.pytest.org/en/7.1.x/_modules/......
  • 【深度学习代码调试2】环境配置篇(中) -- 列出conda环境中所有env的pytorch版本
    【深度学习代码调试2】环境配置篇(中)--列出conda环境中所有env的pytorch版本写在最前面如何检查所有Conda环境中的PyTorch版本(并重点提示PyTorch1.7.1版本)1.列出所有Conda环境2.检查每个环境中的PyTorch版本方法1:使用Python命令检查PyTorch版本方法2......
  • 17.Python基础篇-闭包、装饰器、迭代器、生成器
    函数的进阶—闭包闭包的定义:嵌套函数,内部函数调用外部函数的变量。满足这个条件就算闭包。闭包案例演示:defouter():a=1definner():print('inner函数中打印的变量a:',a)#嵌套函数中使用了外层函数的变量。此时满足了闭包的条件。returninner......
  • 风靡B站的《看漫画学Python》到底是什么来头?
     学习Python的小伙伴大部分应该都知道《看漫画学Python:有趣、有料、好玩、好用(全彩版)》这本书!毕竟,如果在B站搜索“漫画Python”等相关关键词,会看到整个页面都是和这本书相关的视频…… 郑重声明:这真不是出版社安排的,纯属各UP主们的自发行为,毕竟又是清华大佬,又是北大教......
  • 【2024华为OD-E卷-100分-内存资源分配】(题目+思路+Java&C++&Python解析+在线测试)
    在线评测链接题目描述有一个简易内存池,内存按照大小粒度分类,每个粒度有若干个可用内存资源,用户会进行一系列内存申请,需要按需分配内存池中的资源返回申请结果成功失败列表。分配规则如下:分配的内存要大于等于内存的申请量,存在满足需求的内存就必须分配,优先分配粒度小的......
  • Python代码覆盖率工具之Coverage
    Python代码覆盖率工具之Coverage在软件开发过程中,确保代码覆盖率是质量控制的关键一环。通过测量代码覆盖率,开发者可以了解哪些部分的代码正在被测试执行,哪些部分尚未被覆盖,从而优化测试策略,提高代码质量。在Python中,Coverage是一个非常流行且功能强大的代码覆盖率工具。本文将详......
  • Python桌面应用程序中的用户界面优化与体验
    Python桌面应用程序中的用户界面优化与体验从零开始:打造你的第一个Python桌面应用快速搭建基础界面:窗口、按钮和标签视觉盛宴:美化你的应用程序界面使用样式表定制外观:QtStyleSheets(QSS)示例图标与图像:让应用图标更吸引人添加应用图标主题切换:实现深色模式与浅色模......
  • Python中3个常见网络爬虫库
    在Python中,requests、Scrapy和Selenium是三个非常流行的库,它们都可以用来开发网络爬虫,但各有特点和适用场景,今天我们学习下它们的区别,便于我们日常使用选择。Requests:用途:是一个简单易用的HTTP库,用于发送网络请求。它允许你轻松地发送HTTP/1.1请求,无需手动添加查询字符串......
  • Bard-API:非官方的Google Bard Python接口包
    Bard-APIBard-API:非官方的GoogleBardPython接口包Bard-API是一个非官方的Python包,为开发者提供了一种简便的方式来访问和使用GoogleBard的功能。该项目由GitHub用户dsdanielpark开发和维护,旨在通过cookie值与GoogleBard进行交互,从而实现对Bard功能的调用。项目背景Goo......