### 如何在 PyCharm 中安装和导入 PyTorch #### 创建或选择 Python 解释器 为了在 PyCharm 中使用 PyTorch，需要先创建或选择一个合适的 Python 解释器。这可以通过进入 `File` -> `Settings` (Windows/Linux) 或者 `PyCharm` -> `Preferences` (macOS)，然后导航到 `Project: <project_name>` -> `Python Interpreter` 来实现[^1]。 #### 获取并执行 PyTorch 安装命令 对于基于 Conda 的环境管理工具用户来说，可以直接通过终端运行特定的命令来安装 PyTorch 及其依赖项。例如，在 Windows 上可以输入如下指令： ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 此命令会自动处理所有必要的包及其版本兼容性问题[^2]。 另外，如果遇到任何类型的扩展模块缺失错误提示，比如缺少 `typing_extensions`，则应该单独对其进行安装以确保一切正常工作： ```bash pip install typing_extensions -i https://pypi.tuna.tsinghua.edu.cn/simple ``` #### 配置 PyCharm 使用已有的 Anaconda 环境 当选择了现有的 Anaconda 环境外部路径作为项目的解释器之后，就可以让 PyCharm 认识到新加入的库了。具体做法是在设置中的 `Python Interpreters` 页面点击右上角齿轮图标旁边的三个点按钮(`...`)，接着选择 `Add...` 并指向本地计算机上的 Anaconda 文件夹内的 `python.exe` 路径[^5]。 #### 测试 PyTorch 是否正确加载 最后一步是验证 PyTorch 已经被成功集成到了当前环境中。可以在任意 `.py` 文件内编写简单的测试脚本来确认这一点： ```python import torch print(f'Torch version is {torch.__version__}') if not torch.cuda.is_available(): print('CUDA support NOT available.') else: print('CUDA support IS available!') tensor_example = torch.rand((3, 5)) print(tensor_example) ``` 这段代码不仅能够展示 Torch 版本信息以及 CUDA 支持状态，还会打印出随机生成张量的内容用于直观判断是否存在问题[^4]。