### 创建Python虚拟环境并安装特定版本的PyTorch 对于希望在隔离环境下开发和测试项目的开发者来说，在Python虚拟环境中安装特定版本的PyTorch是一个明智的选择。这不仅有助于避免依赖冲突，还能确保项目具有可重复性和稳定性。 #### 使用`venv`模块创建虚拟环境 当使用Python自带的`venv`模块来构建虚拟环境时，需确认所使用的Python版本不低于3.3[^1]。此方法适用于不需要复杂包管理功能的情况： ```bash python -m venv my_pytorch_env ``` 激活新建立的虚拟环境命令如下所示（Windows平台）: ```bash my_pytorch_env\Scripts\activate.bat ``` 而对于Unix或MacOS系统，则应采用以下方式激活： ```bash source my_pytorch_env/bin/activate ``` 一旦虚拟环境被激活，就可以继续下一步——安装所需的PyTorch版本。 #### 安装指定版本的PyTorch 为了精确控制安装的具体版本号以及对应的CUDA支持情况，建议访问官方文档获取最新的安装指南，并按照给定的pip命令进行安装。例如要安装带有CUDA 10.2支持的PyTorch 1.7.1版本，可以运行下面这条命令： ```bash pip install torch==1.7.1+cu102 torchvision torchaudio -f https://download.pytorch.org/whl/torch_stable.html ``` 上述链接提供了多种组合下的预编译二进制文件下载地址，可以根据实际需求调整URL中的参数以匹配不同的操作系统、Python版本及CUDA版本[^4]。 如果已经安装了Anaconda，那么利用Conda作为包管理和环境管理系统会更加便捷高效。通过它可以直接从默认频道或其他可信源快速部署所需软件栈，包括但不限于各种科学计算库及其依赖项。具体做法是在终端中依次执行下列指令完成目标环境搭建与PyTorch安装过程[^2]: ```bash conda create --name pytorch_env python=3.8 conda activate pytorch_env conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch ``` 这里同样指定了CUDA工具链版本为10.2，同时选择了稳定版通道(-c pytorch)，从而保证兼容性的同时获得较好的性能表现。 最后一步是验证安装是否成功。可以通过编写简单的测试程序来进行初步检验，比如尝试导入PyTorch库并打印其版本信息： ```python import torch print(torch.__version__) if torch.cuda.is_available(): print('CUDA is available') else: print('No CUDA support detected.') ```