在 Anaconda 中创建 Python 虚拟环境并配置 PyTorch 库的过程可以分为以下几个步骤： ### 创建虚拟环境 1. 打开 Anaconda Prompt（Windows）或者终端（Mac/Linux），输入以下命令来创建一个新的虚拟环境，假设环境名称为 `pytorch_env`，并且指定 Python 版本（例如 3.9）： ```bash conda create -n pytorch_env python=3.9 ``` 2. 激活刚刚创建的虚拟环境： ```bash conda activate pytorch_env ``` ### 配置清华镜像（可选） 为了提高下载速度，可以将 Conda 的默认源替换为清华大学的镜像源。使用以下命令添加清华镜像： ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes ``` ### 安装 PyTorch 安装 PyTorch 可以通过 Conda 或者 Pip 来完成。推荐根据你的硬件配置选择合适的安装方式。 #### 使用 Conda 安装 Conda 会自动处理依赖关系，并且适合大多数用户： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch ``` 此命令将安装 PyTorch、PyTorch Vision 和 Torchaudio，并且包含 CUDA Toolkit 11.7 支持 GPU 加速[^4]。 #### 使用 Pip 安装 如果你更倾向于使用 Pip，可以访问 [PyTorch 官网](https://pytorch.org/get-started/locally/) 获取最新的安装命令。例如，对于支持 CUDA 11.7 的版本，可以运行： ```bash pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 ``` ### 验证安装 安装完成后，可以通过以下命令验证 PyTorch 是否成功安装： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) # 如果输出 True，则表示支持 GPU ``` ### 安装其他常用库（如 NumPy、Scikit-learn） 如果需要安装额外的库，例如 NumPy 或 Scikit-learn，可以使用以下命令： ```bash conda install numpy scikit-learn ``` Anaconda 在安装 NumPy 时通常会自动附带安装 MKL（Intel Math Kernel Library），这可以显著提升性能，因此不需要单独安装 MKL[^3]。 ---