### 如何在 Jupyter Notebook 中加载名为 `pytorch` 的 Conda 虚拟环境 为了在 Jupyter Notebook 中成功加载由 Conda 创建的虚拟环境，以下是具体的操作方法： #### 1. 创建并激活虚拟环境 首先，通过 Conda 命令创建一个名为 `pytorch` 的虚拟环境，并指定所需的 Python 版本。例如： ```bash conda create -n pytorch python=3.9 ipykernel ``` 这条命令不仅会创建虚拟环境，还会自动安装 `ipykernel` 工具，这是将虚拟环境集成到 Jupyter Notebook 所必需的工具之一[^3]。 接着，激活该虚拟环境： ```bash conda activate pytorch ``` #### 2. 安装必要的依赖项 确保在激活后的虚拟环境中安装 PyTorch 及其相关依赖项。可以参考官方文档中的指导来选择适合操作系统的 PyTorch 安装命令。例如，在 Linux 或 macOS 上运行以下命令（假设使用 CUDA 11.6）： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu116 ``` 如果不需要 GPU 支持，则可以选择 CPU-only 的版本： ```bash pip install torch torchvision torchaudio ``` #### 3. 将虚拟环境注册至 Jupyter Kernel 为了让 Jupyter Notebook 认识这个新的虚拟环境，需要将其作为 kernel 注册进去。执行如下命令完成此过程： ```bash python -m ipykernel install --user --name pytorch --display-name "Python (PyTorch)" ``` 这里的关键选项解释为： - `--name`: 指定内部名称，通常与虚拟环境名一致； - `--display-name`: 设置显示给用户的友好名称[^4]。 #### 4. 启动 Jupyter Notebook 并切换 Kernel 最后一步就是启动 Jupyter Notebook 应用程序： ```bash jupyter notebook ``` 打开浏览器界面后，新建一个笔记本文件或者编辑现有的项目时，应该能在右上角下拉菜单看到刚才设置好的 `"Python (PyTorch)"` kernel 。选中它即表示当前工作区已切换到了基于 `pytorch` 虚拟环境下的计算引擎。 至此，您已经完成了整个流程，可以在隔离良好的开发环境下利用最新版 PyTorch 开展实验研究了！ ```python import torch print(torch.__version__) if torch.cuda.is_available(): print('CUDA is available') else: print('No CUDA support detected.') ``` 以上代码片段可用于验证 PyTorch 是否正常导入以及是否有可用的 CUDA 加速支持。