### 在 AI Studio 中配置和运行 PyTorch 环境的详细方法 百度 AI Studio 默认提供了基于 PaddlePaddle 的深度学习环境，但用户可以通过创建虚拟环境的方式安装并使用 PyTorch 框架。以下是具体的配置与运行方式： #### 1. 创建虚拟环境 AI Studio 支持通过 Conda 创建虚拟环境来安装 PyTorch。以下是具体步骤： - 首先，在终端中运行以下命令以创建一个新的虚拟环境： ```bash conda create -n pytorch_env python=3.7 ``` 此命令会创建一个名为 `pytorch_env` 的虚拟环境，并指定 Python 版本为 3.7[^3]。 - 激活虚拟环境： ```bash source activate pytorch_env ``` #### 2. 安装 PyTorch 及相关依赖 在激活的虚拟环境中，可以使用以下命令安装 PyTorch 和其他必要的库： ```bash pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 上述命令会从清华大学的镜像源安装最新版本的 PyTorch、TorchVision 和 TorchAudio。如果需要特定版本的 PyTorch，可以在命令中明确指定版本号，例如： ```bash pip install torch==1.0.1 torchvision==0.2.1 -i https://pypi.tuna.tsinghua.edu.cn/simple ``` #### 3. 验证 PyTorch 安装 为了确保 PyTorch 安装成功，可以在终端中运行以下代码进行验证： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 如果输出显示 GPU 可用（`True`），则说明 PyTorch 已正确配置[^4]。 #### 4. 运行 PyTorch 项目 由于 AI Studio 的 Notebook 环境可能无法直接支持 PyTorch 项目运行，建议通过终端运行脚本文件[^2]。例如： - 将 PyTorch 项目的代码保存为 `train.py` 文件。 - 在终端中运行以下命令： ```bash python train.py ``` 运行结果会保存到 AI Studio 主页面的文件夹中，或者可以自定义输出路径。 #### 5. 永久性配置环境 为了避免每次重启 Kernel 时重新配置环境，可以将虚拟环境的配置脚本保存下来。例如，创建一个名为 `env.sh` 的脚本文件，内容如下： ```bash #!/bin/bash conda create -n pytorch_env python=3.7 source activate pytorch_env pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 然后通过运行 `sh env.sh` 自动完成环境配置。 ### 注意事项 - 如果在终端运行程序时遇到平台强制中断的情况，可以重新输入训练指令继续运行。 - 目前 AI Studio 的 Notebook 环境不完全支持 PyTorch 项目运行，建议使用终端运行脚本文件[^2]。