### 激活特定版本的 PyTorch GPU 环境 为了激活特定版本的 PyTorch GPU 环境（例如版本 23.7.4），需要确保以下步骤正确执行： 1. **创建并配置环境**：首先，确保已经通过 `conda` 创建了包含指定版本 PyTorch 的虚拟环境。如果尚未创建，可以通过以下命令完成： ```bash conda create -n pytorch_gpu_23.7.4 python=3.9 conda activate pytorch_gpu_23.7.4 conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia ``` 这里假设使用的是 CUDA 11.8 版本[^1]。 2. **激活环境**：在终端中输入以下命令以激活名为 `pytorch_gpu_23.7.4` 的环境： ```bash conda activate pytorch_gpu_23.7.4 ``` 3. **验证安装**：激活环境后，可以运行以下 Python 脚本来检查 PyTorch 是否正确安装以及是否支持 GPU： ```python import torch print("PyTorch Version:", torch.__version__) print("CUDA Available:", torch.cuda.is_available()) print("CUDA Version:", torch.version.cuda) print("GPU Name:", torch.cuda.get_device_name(0)) ``` 如果输出显示 `CUDA Available: True` 和正确的 GPU 名称，则说明环境配置成功[^1]。 4. **退出环境**：完成操作后，可以通过以下命令退出当前环境： ```bash conda deactivate ``` 5. **设置 PyCharm 解释器**：如果需要在 PyCharm 中使用该环境，请按照以下步骤操作： - 打开 PyCharm，点击 `文件 -> 设置 -> 项目 -> Python 解释器`。 - 点击齿轮图标，选择 `添加解释器`。 - 选择 `Conda Environment`，然后选择现有的 `pytorch_gpu_23.7.4` 环境[^1]。 6. **Jupyter Notebook 配置**：如果需要在 Jupyter Notebook 中使用此环境，需确保安装了兼容的 Jupyter 内核： ```bash conda install ipython jupyter python -m ipykernel install --user --name pytorch_gpu_23.7.4 --display-name "PyTorch GPU 23.7.4" ``` 安装完成后，在 Jupyter Notebook 中选择对应的内核即可[^3]。 ### 注意事项 - 确保系统已正确安装 NVIDIA 驱动程序和 CUDA 工具包，否则即使 PyTorch 安装成功也可能无法使用 GPU[^2]。 - 如果需要安装其他依赖包（如 NumPy），可以直接在激活的环境中运行 `pip install numpy` 或 `conda install numpy`[^2]。