### 如何通过 `import torch` 安装 PyTorch 或检查安装 在 Python 环境中，确保正确安装 PyTorch 并能够通过 `import torch` 调用，需要遵循以下方法和注意事项。如果遇到问题，可能是由于版本不兼容、虚拟环境配置错误或解释器选择不当等原因[^4]。 #### 1. 检查是否已安装 PyTorch 在命令行中运行以下代码以验证是否已安装 PyTorch： ```python python -c "import torch; print(torch.__version__)" ``` 如果输出了 PyTorch 的版本号，则说明已经成功安装。如果出现错误提示（如模块未找到），则需要重新安装。 #### 2. 安装 PyTorch 根据引用内容[^2]，可以通过以下步骤安装 PyTorch： - **确定 CUDA 版本**：如果计算机有 NVIDIA GPU 并安装了 CUDA，请先确认 CUDA 版本。可以使用 `nvcc --version` 命令查看。 - **选择合适的安装命令**：根据系统配置（操作系统、Python 版本、CUDA 版本）选择正确的安装命令。例如，对于 CUDA 10.2 和 Python 3.x 的环境，可以运行以下命令： ```bash pip install torch===1.5.0 torchvision===0.6.0 -f https://download.pytorch.org/whl/torch_stable.html ``` - **Anaconda 环境安装**：如果使用 Anaconda，则可以通过以下命令安装： ```bash conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch ``` #### 3. 配置 PyCharm 环境 如果在 PyCharm 中无法导入 PyTorch，可能是因为解释器配置错误[^4]。解决方法如下： - 打开 PyCharm，进入 `File > Settings > Project: <Your_Project_Name> > Python Interpreter`。 - 确保选择了包含 PyTorch 的虚拟环境。如果没有对应的环境，可以选择创建一个新的虚拟环境并安装 PyTorch。 #### 4. 测试安装 在 PyCharm 或其他 IDE 中运行以下代码以测试安装是否成功： ```python import torch print(torch.cuda.is_available()) # 检查是否有可用的 GPU print(torch.__version__) # 输出 PyTorch 版本 ``` 如果 `torch.cuda.is_available()` 返回 `True`，则表明 GPU 可用且安装成功。 ### 注意事项 - 如果使用的是较新的 Python 版本（如 3.11），可能会与某些 PyTorch 版本不兼容[^4]。建议使用官方支持的 Python 版本（如 3.8 至 3.10）。 - 在 Jupyter Notebook 中使用 PyTorch 时，也需要确保内核指向正确的虚拟环境[^3]。