? ? ? ? ?本篇博客包含對于虛擬環境概念的講解和代碼實現過程中相關bug的解決

關于虛擬環境

????????我的pytorch虛擬環境在D盤，相應python解釋器也在D盤（一起），但是我的pycharm中的項目在C盤，使用的是pytorch的虛擬環境，這是為什么行得通呢？

????????后來知道 Python 虛擬環境的核心邏輯是?“解釋器與項目路徑分離”，只要 PyCharm 能正確找到虛擬環境中的 Python 解釋器，無論解釋器和項目文件在哪個磁盤分區，都能正常工作。具體原因如下：

1. 虛擬環境的本質：獨立的解釋器與依賴庫

????????虛擬環境（如你在 D 盤的 PyTorch 環境）本質上是一個?包含獨立 Python 解釋器（python.exe）和依賴庫文件夾（site-packages）的目錄。例如，它的路徑可能是：
D:\envs\pytorch-gpu\python.exe

????????這個環境的核心作用是：

• 提供一個獨立的 Python 解釋器，不依賴系統默認的 Python。
• 所有安裝的庫（如?torch、tensorboard）都保存在該環境的?site-packages?文件夾中（如?D:\envs\pytorch-gpu\Lib\site-packages）。

????????只要 PyCharm 能通過路徑找到這個?python.exe，就能調用該環境的解釋器和依賴庫，與項目文件（C 盤）的位置無關。

2. PyCharm 的工作邏輯：關聯解釋器而非依賴路徑

????????PyCharm 管理項目時，關鍵是?“指定項目使用哪個 Python 解釋器”，而非 “解釋器必須和項目在同一磁盤”。具體流程是：

1. 你在 PyCharm 中為項目指定了解釋器路徑（D 盤的?pytorch-gpu?環境）。

2. PyCharm 會記錄這個路徑，并在運行代碼、安裝依賴時，強制使用該解釋器：

• 當你在 PyCharm 終端運行?pip install xxx?時，實際調用的是?D:\envs\pytorch-gpu\Scripts\pip.exe，安裝的庫會存到 D 盤的?site-packages。
• 當你運行項目代碼時，PyCharm 會用?D:\envs\pytorch-gpu\python.exe?執行 C 盤的項目文件（.py）。

????????這種 “解釋器在 D 盤，項目在 C 盤” 的分離，就像 “用 D 盤的播放器播放 C 盤的視頻文件” 一樣自然，完全不沖突。

3. 跨磁盤工作的底層原理

????????文件讀取機制：操作系統（Windows）允許程序跨磁盤讀取文件，只要路徑正確（例如，D 盤的 Python 解釋器可以讀取 C 盤的?.py?代碼文件）。

????????環境變量與路徑解析：虛擬環境被激活時，PyCharm 會臨時調整終端的環境變量，讓?python、pip?等命令指向 D 盤的解釋器，確保所有操作都基于該環境。

關于tensorboard的實戰bug問題

????????原代碼如下：

from torch.utils.tensorboard import SummaryWriter
# ctrl + 右鍵 也可以查看這個類的說明writer = SummaryWriter('log')# 指定日志保存目錄# writer.add_image()
for i in range(100):writer.add_scalar('y=x', i, i) # 添加標量數據writer.close()

????????在終端運行時，大家可以很清楚看到，使用python來運行和直接使用類來運行的差別，前者可以正常運行，后者會報錯，找不到路徑

(pytorch-gpu) PS C:\Users\admin\Desktop\huahuo\pytorch_learn\pycharm> python -m tensorboard.main --logdir=log
TensorFlow installation not found - running with reduced feature set.
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.19.0 at http://localhost:6006/ (Press CTRL+C to quit)(pytorch-gpu) PS C:\Users\admin\Desktop\huahuo\pytorch_learn\pycharm> tensorboard --logdir=log
tensorboard : 無法將“tensorboard”項識別為 cmdlet、函數、腳本文件或可運行程序的名稱。請檢查名稱的拼寫，如果包括路徑，請確保路徑正確，然后再試一次。
所在位置 行:1 字符: 1
+ tensorboard --logdir=log
+ ~~~~~~~~~~~+ CategoryInfo          : ObjectNotFound: (tensorboard:String) [], CommandNotFoundException+ FullyQualifiedErrorId : CommandNotFoundException

? ? ? ? 差別原因在于：在命令行中直接運行?tensorboard?命令和通過 Python 模塊（python -m tensorboard.main）調用 TensorBoard 時，系統查找可執行文件的方式存在差異

PATH 環境變量方面：

• 當使用?python -m tensorboard.main?命令時，Python 會依據自身的模塊搜索路徑來查找 TensorBoard，這和環境變量?PATH?沒有關系。

• 而直接輸入?tensorboard?命令時，系統會在?PATH?環境變量所列出的目錄里查找對應的可執行文件。要是 TensorBoard 的可執行文件所在目錄沒有被包含在?PATH?中，就會出現找不到命令的錯誤。

Anaconda 環境的特性：

• Anaconda 環境在激活之后，會動態地對?PATH?進行修改，把環境中的?Scripts?目錄添加進去。不過，這種修改有時候可能會失敗或者不完整。

• TensorBoard 的可執行文件一般位于 Anaconda 環境的?Scripts?文件夾中，比如：

C:\Users\admin\anaconda3\envs\pytorch-gpu\Scripts\tensorboard.exe

解決辦法

方法 1：使用 Python 模塊調用

????????推薦繼續采用?python -m tensorboard.main --logdir=log?這種方式來啟動 TensorBoard，因為它不依賴?PATH?環境變量，所以更加可靠。

待續