2. 环境搭建：Anaconda、PyTorch、Torchvision、MobileViT 依赖库安装与验证

说实话，搞深度学习最怕什么？不是模型调参，而是环境冲突。我见过太多同学花三天搭环境，最后发现 CUDA 版本不对，或者 PyTorch 和 Torchvision 版本不匹配，心态直接崩了。

这一章，咱们就把环境彻底搞定。我把自己踩过的坑、总结的经验全放进来。你跟着一步步来，半小时内就能跑起来 MobileViT。

2.1 为什么选 Anaconda？

Anaconda 说白了就是个 Python 环境管家。你想想看，一个项目要 PyTorch 1.12，另一个要 2.0，没有 conda 的话，你只能重装系统。

我个人习惯是：每个项目建一个独立环境。这样就算搞坏了，删掉重来就行，不影响全局。

2.2 安装 Anaconda

去官网下载对应系统的安装包就行。Linux 用户建议用 Miniconda，轻量够用。

# Linux 安装示例
bash Miniconda3-latest-Linux-x86_64.sh

# 验证安装
conda --version

安装完后，记得配置国内镜像源，不然下载慢到怀疑人生。

# 添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

2.3 创建独立环境

我习惯用 Python 3.9，兼容性好，坑少。

# 创建环境
conda create -n mobilevit python=3.9

# 激活环境
conda activate mobilevit

2.4 安装 PyTorch 和 Torchvision

这里有个关键点：PyTorch 和 Torchvision 的版本必须匹配。不匹配的话，有些模型根本跑不了。

去 PyTorch 官网选对应 CUDA 版本的命令。我一般用 CUDA 11.8，稳定。

# 安装 PyTorch 2.0.1 + CUDA 11.8
pip install torch==2.0.1 torchvision==0.15.2 --index-url https://download.pytorch.org/whl/cu118

# 验证安装
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

如果输出 True，说明 CUDA 可用。输出 False 的话，检查驱动或者重装 CUDA。

2.5 安装 MobileViT 依赖库

MobileViT 本身依赖不多，但有几个库容易出问题。我列个清单：

# 一键安装
pip install timm einops omegaconf matplotlib

# 验证
python -c "import timm; print(timm.__version__)"

2.6 验证环境是否可用

环境搭好了，得跑个测试。我写了个简单的验证脚本：

import torch
import torchvision
import timm
import einops
from omegaconf import OmegaConf

print("PyTorch 版本:", torch.__version__)
print("Torchvision 版本:", torchvision.__version__)
print("timm 版本:", timm.__version__)
print("CUDA 可用:", torch.cuda.is_available())

# 测试 MobileViT 是否能加载
model = timm.create_model('mobilevit_s', pretrained=False)
print("MobileViT 模型加载成功！参数量:", sum(p.numel() for p in model.parameters()))

如果所有版本都正常显示，没有报错，恭喜你，环境搭好了。

2.7 知识体系总览

下面这张图，把整个环境搭建的流程串起来了。你跟着箭头走，不会迷路。

2.8 常见问题与解决

我整理了几个高频问题，你遇到了直接查：

• CUDA 不可用： 先跑 nvidia-smi 看驱动版本。驱动太老的话，去官网更新。
• timm 安装失败： 多半是 PyTorch 版本太旧。升级到 2.0 以上再试。
• ImportError: No module named 'einops'： 忘了装 einops。pip install einops 搞定。

嗯，环境搭建就到这。你跟着走一遍，应该不会出大问题。如果卡住了，检查一下版本号，八成是版本不匹配。

可可精品资料库