### 如何在 PyCharm 中配置和运行 PyTorch 项目 #### 配置 Anaconda 和 Python 解释器 为了在 PyCharm 中顺利运行 PyTorch 项目，首先需要确保已正确安装并配置好 Anaconda 及其虚拟环境。按照以下步骤操作： 1. **创建虚拟环境** 使用 Anaconda Prompt 创建一个新的虚拟环境，并指定所需的 Python 版本（推荐使用 3.7 至 3.9）。例如，执行以下命令来创建名为 `pytorch` 的虚拟环境[^1]： ```bash conda create -n pytorch python=3.8 ``` 2. **激活虚拟环境** 激活刚创建的虚拟环境以便后续安装依赖项： ```bash conda activate pytorch ``` 3. **安装 PyTorch** 根据硬件条件选择合适的 PyTorch 安装方式。对于 CPU 版本，可以直接运行以下命令[^1]: ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 如果设备支持 GPU 加速，则需先确认 CUDA 版本并通过如下命令完成安装[^1]： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch ``` #### 配置 PyCharm 的解释器 接下来，在 PyCharm 中设置项目的 Python 解释器为刚才创建的虚拟环境。 1. 打开 PyCharm 并加载目标项目。 2. 进入菜单栏中的 `File -> Settings -> Project: <Your_Project_Name> -> Python Interpreter`。 3. 点击齿轮图标，选择 `Add...` 来添加新的解释器。 4. 在弹出窗口中选择 `Conda Environment`，然后点击右侧的省略号按钮浏览到之前创建的虚拟环境中对应的 `python.exe` 文件路径[^1]。通常位于类似于以下位置： ``` C:\Users\<用户名>\Anaconda3\envs\pytorch\python.exe ``` #### 编写与测试 PyTorch 脚本 当一切准备就绪后，可以在 PyCharm 中编写简单的脚本来验证 PyTorch 是否正常工作。例如，尝试打印随机张量矩阵以检验安装效果： ```python import torch if __name__ == "__main__": x = torch.randn(3, 3) print(f"Random Tensor (3x3):\n{x}") if torch.cuda.is_available(): device = torch.device('cuda') y = torch.ones_like(x).to(device) z = x.to(device) + y print(f"CUDA Available! Result on GPU:\n{z.cpu()}") else: print("CUDA is not available.") ``` 此代码片段会生成一个大小为 \(3 \times 3\) 的随机浮点数矩阵，并检测当前系统是否启用了 NVIDIA 显卡加速功能。 --- ###