jupyter怎么看有没有下载torch包

### 如何在 Jupyter Notebook 中验证是否安装了 PyTorch 包为了确认 Jupyter Notebook 是否已经成功安装 PyTorch 包，可以通过运行简单的 Python 脚本来测试。以下是具体方法： #### 验证 PyTorch 安装状态可以在 Jupyter Notebook 的单元格中输入以下代码来检查 PyTorch 是否可用： ```python import torch print(torch.__version__) ``` 如果上述代码能够正常执行并打印出版本号，则说明 PyTorch 已经成功安装[^1]。 #### 检查 CUDA 支持情况当 `torch.cuda.is_available()` 返回 False 时，可能是因为当前环境未正确配置 GPU 或者缺少必要的驱动程序和支持库。可以尝试通过以下方式解决问题： - 确认系统上已安装兼容的 NVIDIA 显卡驱动。 - 下载匹配版本的 CUDA Toolkit 和 CuDNN 库，并将其路径加入到系统的 PATH 变量中[^4]。 #### 关联虚拟环境中的 PyTorch 到 Jupyter Notebook 如果遇到 “No module named 'torch’” 错误提示，这通常表明所使用的 Jupyter 实例并未加载正确的 Conda/Virtualenv 环境。解决办法如下： 1. **激活目标虚拟环境**：切换至包含 PyTorch 的特定环境 (例如 DeepLearning)，并通过命令行操作完成设置。 2. **注册 IPython Kernel**：利用下面这条指令把指定名称的 kernel 添加进去以便后续选择使用。 ```bash python -m ipykernel install --name DeepLearning --display-name "Python (PyTorch)" ``` 3. 启动新的 Jupyter Session 并挑选对应的 Display Name 来启动会话[^5]。 --- ### 提供额外帮助的小技巧对于网络较慢或者国外资源访问受限的情况，推荐采用国内镜像站点加速依赖项获取过程。比如阿里云 PIP 源地址可用于快速安装软件包[^3]: ```bash pip install torch torchvision torchaudio -i https://mirrors.aliyun.com/pypi/simple/ ``` 另外还可以增强用户体验的功能插件支持，按照指引完成扩展功能部署后可获得更佳编辑体验[^2]: ```bash pip install jupyter_contrib_nbextensions jupyter contrib nbextension install --user ``` ---

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 Python中怎么识别λ