前言：

        本文章进行人工智能实验所需的环境配置过程，并简述可能遇到的困难。

        Cuda是NVIDIA公司推出的一种软硬件集成技术，可以使显卡进行图形计算以外的运算。

        Pycharm是JETBRANS公司推出的一个家喻户晓的Python集成开发环境（IDE）。

        Anaconda是一种Python环境管理工具，帮助你组建不同的工作空间。

        Pytouch是一个开源的机器学习库。

        在接下来的四个部分中将分别介绍。

一、Cuda：

1.Cuda介绍：

        CUDA（Compute Unified Devices Architectured，统一计算架构[1]）是由英伟达（NVIDIA）所推出的一种软硬件集成技术，是该公司对于GPGPU的正式名称。透过这个技术，用户可利用NVIDIA的GPU进行图像处理之外的运算，亦是首次可以利用GPU作为C-编译器的开发环境。

2.Cuda安装：

        首先需要确认你你是否拥有Nivida显卡。高贵的Mac用户可以移步至其他教程了。拥有AMD显卡或没有独立显卡的小伙伴可以跳过Cuda这一步。

        若果有Nivida显卡，需要你查看支持的Cuda版本。

        打开cmd，输入以下指令：

nvidia-smi

        会出现以下界面：

        注意笔记本用户在查询之前确保关闭了集显模式，否则可能出现报错。

        紧接着进入Cuda官网下载（选择低于你的Cuda版本的Cuda Toolkit）：

CUDA Toolkit Archive | NVIDIA Developer

        下载安装完后再安装cuDNN，cuDNN是Cuda的拓展库，用于深度学习的加速。

cuDNN Archive | NVIDIA Developer

        请下载对应Cuda版本的cuDNN，第一次下载可能需要你注册。

        下载完成后将解压后的文件覆盖到以下目录：

...\NVIDIA GPU Computing Toolkit\CUDA\v12.6\

二、Anaconda

1.Anaconda介绍：

        Anaconda是Red Hat Enterprise Linux、CentOS、Fedora等操作系统的安装管理程序。它以Python及C语言写成，以图形的PyGTK和文字的python-newt接口写成。它可以用来自动安装配置，使用户能够以最小的监督运行。

2.Anaconda安装：

        进入官网下载Anaconda（当然你也可也选择更加轻量化的Miniconda，这里不详述了）：

Anaconda | Built to Advance Open Source AI

        注意！在安装Anaconda前请卸载掉电脑上原来的Python，不然可能会出现一些问题。

3.Anaconda基本命令：

创建环境（自行替换{}）	conda create --name {环境名称} python={python版本，例如3.8}
激活环境	conda activate {环境}
退出环境	conda deactivate

三、Pycharm：

1.Pycharm介绍：

        PyCharm是一个用于计算机编程的集成开发环境(IDE)，主要用于Python语言开发，由捷克公司JetBrains开发[2]，拥有Microsoft Windows、macOS和Linux版本。社区版在Apache许可证下发布，提供代码分析、图形化调试器，集成测试器、集成版本控制系统，并支持使用Django进行网页开发。

2.Pycharm安装

        首先在官网下载Pycharm社区版（社区版拥有足够的基础功能以供学习）。

Download PyCharm: The Python IDE for data science and web development by JetBrains

        注意要下载下面那个免费的版本。

3.Pycharm配置

        首先配置中文在插件中下载中文语言包：

        再进入设置换为中文：

        然后配置环境，首先新建一个python项目：

        如果环境中没有可选项，那么就先在Anaconda Prompt中添加一个环境，或者执行完下一步后，直接在Pycharm终端中添加环境。

        设置终端使其能显示当前环境：

四、PyTorch：

1.PyTorch介绍：

        PyTorch是一个开源的Python机器学习库，基于Torch库[2][3][4]，底层由C++实现，应用于人工智能领域，如计算机视觉和自然语言处理[5]。

2.Pytorch安装：

        进入以下网站寻找适合你的Pytorch（注意区分CPU、GPU以及操作系统）

Start Locally | PyTorch

        复制安装代码到Pycharm终端（国内无加速器的话下载比较慢，建议使用清华源等镜像源）

五、常用包举例：

1.numpy

import numpy as np

#创建一个numpy类型的数组
a1 = np.array([0,1,2,3,4])
a2 = np.arange(0,10,2)

print(a1 ,end = "\n")
print(a2 ,end = "\n")

#通过随机数生成一个矩阵
a1 = np.random.rand(3, 3)
a2 = np.random.randint(1,9,size = (4,4))
print(a1 ,end = "\n")
print(a2,end = "\n")

#使用zeros、ones、full和eye生成特殊数组
a1 = np.zeros((3,3))
a2 = np.ones((3,3))
print(a1 ,end = "\n")
print(a2,end = "\n")

a1 = np.full((3,3),9)
a2 = np.eye(3)
print(a1 ,end = "\n")
print(a2,end = "\n")

        运行结果：

 2.pandas 

import pandas as pd

#创建一维数组Series
a1 = pd.Series([1,2,3,4,5,6])
print(a1, end = "\n")

#创建一个类似于json的二维表格DataFrame
a1 = pd.DataFrame({
    'name':['a','b','c'],
    'age':[18,35,45],
    'gender':['male','female','male']
})
print(a1, end = "\n")

        运行结果：