### 如何在 VSCode 中设置并创建 PyTorch 项目 #### 创建 Anaconda 虚拟环境 首先，在 Windows 系统中通过 Anaconda 创建一个用于 PyTorch 的虚拟环境。这一步可以通过以下命令完成： ```bash conda create -n pytorch_env python=3.9 ``` 激活该虚拟环境以便后续操作能够在此环境中执行[^1]。 #### 安装 PyTorch 和 CUDA 支持 进入刚刚创建的虚拟环境后，可以按照官方文档推荐的方式安装适合当前系统的 PyTorch 版本以及对应版本的 CUDA 库支持。例如对于 CUDA 11.8 可以使用如下命令来安装 PyTorch[^2]: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia ``` 验证 PyTorch 是否正确安装及其 GPU 加速功能是否正常工作，可以在 Python 解释器中运行这些测试代码片段[^3]: ```python import torch print(torch.cuda.is_available()) # 输出 True 表明有可用的 NVIDIA 显卡支持 print(torch.cuda.device_count()) # 返回显卡的数量 print(torch.version.cuda) # 打印所使用的 CUDA 版本号 print(torch.__version__) # 展示当前 PyTorch 的具体版本信息 ``` #### 配置 VSCode 开发环境 接下来是在 Visual Studio Code (VSCode) 上配置好开发所需的各项工具和服务。 - **安装扩展插件**: 在 VSCode 市场里搜索并下载 "Python" 插件以及其他可能需要用到的相关辅助插件比如 Jupyter Notebook Support 或者 Pylance 提供更佳语法提示体验. - **指定解释器路径**: 启动 VSCode 并按下 `Ctrl+Shift+P` 输入 'Interpreter' 来选取合适的 Python Interpreters 列表项；从弹出菜单选择之前建立起来的那个名为 `pytorch_env` 的 Conda Environment 下关联的 Python Interpreter 实例[^1]. - **调试模式调整**: 若遇到无法利用 PowerShell 正常启动 Debug Session，则尝试切换到 Command Prompt(CMD)，修改 launch.json 文件内的 console 参数值为 `"console": "externalTerminal"` 即可解决此类问题. 至此完成了整个基于 Windows 操作平台之上构建起完整的包含 Anaconda-PyTorch-VSCode 整合型机器学习框架的工作流程描述. ```python # 示例脚本展示基本用法 import torch def main(): device = torch.device('cuda') if torch.cuda.is_available() else torch.device('cpu') tensor = torch.rand(3, 3).to(device) print(f'Tensor on {device}: \n{tensor}') if __name__ == '__main__': main() ```