### 如何配置 Jupyter Notebook 以正确链接 PyTorch 并与 PyCharm 集成 #### 安装 Anaconda 和 创建 PyTorch 环境 为了确保 Jupyter Notebook 能够识别并使用 PyTorch，首先需要通过 Anaconda 来创建一个专门用于 PyTorch 的环境。这可以通过命令行完成： ```bash conda create -n pytorch python=3.7 ``` 激活新创建的环境之后，可以继续安装所需的库和工具。 #### 安装 PyTorch 及其他依赖项 在激活环境中执行如下操作来安装 PyTorch 库以及 `ipykernel`，后者对于让 Jupyter 认识新的 Python 解释器至关重要： ```bash conda activate pytorch conda install pytorch torchvision torchaudio cpuonly -c pytorch conda install ipykernel ``` 上述指令会下载适合 Windows CPU 版本的 PyTorch，并将其添加到当前 Conda 环境中[^1]。 #### 将 PyTorch 环境注册给 Jupyter Notebook 为了让 Jupyter Notebook 使用刚刚设置好的 PyTorch 环境作为内核之一，在终端里运行下面这条命令： ```bash python -m ipykernel install --user --name=pytorch --display-name "Python (PyTorch)" ``` 此步骤使得可以在启动后的 Jupyter Notebook 中看到名为 “Python (PyTorch)” 的选项，从而允许选择该特定版本的 Python 运行时来进行计算[^2]。 #### 在 PyCharm 中集成 PyTorch 环境 要在 PyCharm IDE 内部利用已有的 PyTorch 环境工作，则需按照以下方式配置项目解释器： - 打开 PyCharm 设置或偏好设定； - 寻找 Project Interpreter 相关部分； - 添加一个新的 Conda Environment 类型路径指向之前建立的那个叫做 'pytorch' 的虚拟环境位置； 这样做的好处是可以直接在 PyCharm 编辑器里面编写测试代码片段而无需切换至外部应用程序去验证结果。 #### 测试配置有效性 最后一步是在两者之间分别尝试简单的例子程序确认一切正常运作。比如在一个新建的 .ipynb 文件或者 PyCharm 工程里的脚本文件中加入几行调用 torch 函数的语句看能否成功加载模块并且返回预期的结果。 ```python import torch print(torch.__version__) device = torch.device('cpu') tensor_example = torch.tensor([1., 2., 3.], device=device) print(tensor_example) ``` 如果以上过程顺利完成，那么就说明已经成功实现了目标——使 Jupyter Notebook 正确关联上了 PyTorch，并且也能够在 PyCharm 下顺利开发基于 PyTorch 的应用了。