cuml安装pycharm

### 如何在 PyCharm 中安装 cuML 库

为了在 PyCharm 中成功安装 `cuML` 库，需确保环境配置正确并遵循特定步骤来完成安装过程。

#### 环境准备
确认已设置好支持 CUDA 的 Python 环境。这通常意味着已经安装了兼容版本的 NVIDIA 驱动程序以及对应的 CUDA 工具包[^1]。对于 GPU 设备的选择可以通过如下方式指定：

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "1"

#### 安装依赖项
`cuML` 依赖于 RAPIDS 生态系统的其他组件，因此建议先通过 conda 创建一个新的虚拟环境，并激活该环境后再继续操作：

conda create -n rapids-env python=3.8
conda activate rapids-env

接着可以利用 Conda 或 pip 来安装最新稳定版的 `cuml` 及其必要的依赖关系：

- 使用 Conda 进行安装：

    conda install -c rapidsai -c nvidia -c conda-forge cuml=21.10 cudatoolkit=11.2

- 如果偏好使用 Pip，则执行命令：

pip install --upgrade pip setuptools wheel
pip install cupy-cuda112==9.7.0
pip install cuml

注意这里假设使用的 CUDA 版本为 11.2；实际安装时应根据自己的硬件情况调整相应的参数。

#### 在 PyCharm 中集成新创建的环境
打开 PyCharm 后，在项目解释器设置里添加之前创建好的 Anaconda 虚拟环境作为项目的默认解释器。这样就可以直接调用其中预装的各种库函数来进行开发工作了。