jupyter notebook 在环境cond base安装torch

### 如何在 Conda Base 环境中为 Jupyter Notebook 安装 PyTorch 为了确保 `PyTorch` 能够顺利运行于 `Jupyter Notebook` 中，在 `Conda base` 环境里完成必要的软件包安装至关重要。 #### 1. 更新 Conda 和 Pip 工具建议先更新 `conda` 及其内部管理工具 `pip` 到最新版本，这有助于减少后续可能出现的兼容性问题。 ```bash conda update conda conda update pip ``` #### 2. 创建或激活现有环境如果打算直接操作 `base` 环境，则只需简单执行如下命令来激活它；当然也推荐创建新的独立环境以隔离不同项目之间的依赖关系冲突。 ```bash conda activate base ``` #### 3. 安装 PyTorch 库及其依赖项对于大多数用户而言，最简便的方式是从官方渠道获取适合当前系统的预编译二进制文件。这里假设目标平台支持 CUDA 加速计算功能。 ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 此命令会自动处理好所有必需组件以及它们之间复杂的相互依存关系[^4]。 #### 4. 验证安装成功与否通过导入模块并调用相应函数测试 GPU 是否可用，以此确认整个过程无误。 ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` #### 5. 将新环境注册给 Jupyter Kernel 为了让刚刚建立好的 Python 解释器能够被识别成有效的内核选项之一，还需要额外做一步设置工作。 ```bash pip install ipykernel python -m ipykernel install --user --name base --display-name "Python (Base)" ``` 现在应该可以在启动后的 `Jupyter Notebook` 用户界面看到名为 `"Python (Base)"` 的可选解释器列表项了。选择该条目即可开始基于已配置完毕的基础环境中编写代码[^1]。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 Ubuntu 下的tensorflow安装教程gpu