搭建PyTorch环境

目标环境

  • 编程语言：Python（推荐3.8或3.9，稳定且兼容性好）。

  • 主要工具

    • PyTorch（深度学习模型）。
    • scikit-learn（传统机器学习模型）。
    • 医学影像处理库（如nibabel）。

  • 开发工具：Jupyter Notebook（交互式调试，便于医学数据可视化）。

步骤1：安装基础软件

  1. 安装Miniconda（略）

  2. 创建虚拟环境

打开终端（Windows用Anaconda Prompt），输入：

1
conda create -n env_name python=3.9 -y

env_name是环境名字，可自定义。

激活环境：

1
conda activate env_namer

看到命令行前出现(liver_cancer)表示成功激活。

步骤2：安装核心库

在激活的环境下，逐一安装所需库：

  1. 更换国内下载源：

首先清除conda缓存：

1
conda clean --all
  • 使用清华镜像站Anaconda仓库：

各系统都可以通过修改用户目录下的 .condarc 文件来使用镜像站。

不同系统下的 .condarc 目录如下：

  • Linux: ${HOME}/.condarc
  • macOS: ${HOME}/.condarc
  • Windows: C:\Users\<YourUserName>\.condarc

注：
* Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。
* 由于更新过快难以同步，TUNA 等镜像站不同步 pytorch-nightly , pytorch-nightly-cpu , ignite-nightly 这三个包。
* 如果您正在从某一镜像源切换到另一镜像源，请检查镜像源是否同步了您所需要的 repo，以及该 repo 是否支持您使用的平台 (e.g. linux-64)。
* 为了保证以下配置在所有镜像站可用，配置中只加入了少量必须的第三方源，您可以在下方的列表中自行寻找并添加其他第三方源。

1
2
3
4
5
6
7
8
9
10
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

即可添加 Anaconda Python 免费仓库。

使用下列命令清除索引缓存，并安装常用包测试一下。

1
2
conda clean -i
conda create -n myenv numpy

使用清华镜像站PyPl软件仓库：
设为默认
升级 pip 到最新的版本后进行配置：

1
2
python -m pip install --upgrade pip
pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

如果您到 pip 默认源的网络连接较差，临时使用本镜像站来升级 pip：

1
python -m pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple --upgrade pip

  1. 安装PyTorch（带GPU支持可选）

    • 用途：运行各种模型。

    • 检查GPU：如果你有NVIDIA显卡，安装带CUDA支持的版本；否则用CPU版。

    • 安装命令（访问 PyTorch官网 获取最新命令）：

​ CPU版：

1
conda install pytorch torchvision torchaudio cpuonly -c pytorch

​ GPU版（例如CUDA 11.8，需确认你的显卡支持，已经自动安装CUDA，不用匹配系统版本）：

1
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

​ 验证：

1
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

​ 输出示例：2.2.1 和 True（GPU可用）或False（CPU）。

  1. 安装其他库

    （1）常用辅助库

    • numpy 和 pandas（数据处理）：
1
conda install numpy pandas -y

​ matplotlib（可视化）：

1
conda install matplotlib -y

​ nibabel（读取MRI的NIfTI格式）：

1
conda install -c conda-forge nibabel -y

​ pydicom（读取Dicom格式）

1
conda install -c conda-forge pydicom -y

​ opencv（处理常用图像）：

1
conda install -c conda-forge opencv -y

​ Jupyter Notebook（交互式开发）：

1
conda install jupyter -y

​ （2）其他辅助库或模型库

​ timm（Vision Transformer支持）：

1
pip install timm -y

​ scikit-learn（机器学习库）

1
conda install scikit-learn -y

​ XGBoost（梯度提升模型）

1
conda install xgboost -y

步骤3：验证环境

  1. 启动Jupyter Notebook

​ 终端中输入：

1
jupyter notebook

​ 浏览器会自动打开一个界面。

  1. 测试代码

​ 在Jupyter中新建一个笔记本，运行以下代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import torch
from torchvision import models
import sklearn
import xgboost
import nibabel
import pydicom
import cv2
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import timm

print("PyTorch version:", torch.__version__)
print("scikit-learn version:", sklearn.__version__)
print("XGBoost version:", xgboost.__version__)
print("All libraries imported successfully!")

​ 如果没有报错，说明环境搭建成功。

  1. 修改jupyter notebook的默认文件路径

    运行以下命令，查看配置文件路径：

    1
    jupyter notebook --generate-config

    输出类似：

    1
    Writing default config to: C:\Users\你的用户名\.jupyter\jupyter_notebook_config.py

​ 如果文件已存在，会告诉你路径；如果没有，会生成一个默认配置文件。

​ 打开配置文件

  • 用文本编辑器（如记事本、VS Code）打开上述文件：
    • Windows：C:\Users\你的用户名.jupyter\jupyter_notebook_config.py

​ 修改默认路径

在文件中找到这一行（默认被注释）：

1
#c.ServerApp.notebook_dir = ''

取消注释（去掉#），并填入你想要的路径，例如：

1
c.ServerApp.notebook_dir = 'C:/project'

注意：

  • 用正斜杠/或双反斜杠\（Windows），单反斜杠\可能报错。
  • 确保路径存在（可以用mkdir创建文件夹）。

保存并测试

  • 保存文件，关闭编辑器。

  • 激活环境：

    1
    conda activate liver_cancer

  • 启动Jupyter：

    1
    jupyter notebook

  • 浏览器打开后，检查是否默认显示设置的目录。