### 如何在 PyCharm 中配置和使用 PyTorch 为了在 PyCharm 中成功配置并使用 PyTorch，可以按照以下方法操作： #### 虚拟环境的创建 通过 Conda 创建名为 `pytorch_gpu` 的虚拟环境，并指定 Python 版本为 3.8。这可以通过运行以下命令实现： ```bash conda create -n pytorch_gpu python=3.8 ``` 此命令会创建一个新的虚拟环境，命名为 `pytorch_gpu` 并安装 Python 3.8[^1]。 如果需要更通用的名字或者不同的 Python 版本，则可调整命名方式以及版本号。例如，默认情况下也可以这样设置： ```bash conda create -n pytorch python=3.8 ``` 该命令同样用于创建一个新环境，但将其命名为 `pytorch`[^2]。 #### 安装 PyTorch 及其依赖项 激活刚刚创建的虚拟环境后，在对应的环境中下载所需的 PyTorch 文件包及其关联库。具体步骤是在终端输入如下指令完成安装过程： ```bash pip install torch-1.13.1+cu116-cp37-cp37m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip install torchvision-0.14.1+cu116-cp37-cp37m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/ pip install torchaudio-0.13.1+cu116-cp37-cp37m-win_amd64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/ ``` 这些命令分别用来安装 PyTorch 主体框架、视觉处理扩展模块 TorchVision 和音频处理工具 TorcAudio，均基于 CUDA 11.6 支持下的特定 Windows AMD64 构建版本[^3]。 #### 配置 PyCharm 使用已有的 Conda 环境 要在 PyCharm 中利用上述已经准备完毕的 PyTorch 开发环境，请遵循下列指导进行设置： 1. 打开 PyCharm 应用程序，点击菜单栏中的 **File -> New Project** 来启动新的开发项目。 2. 输入项目的名称于弹窗内的对应位置处。 3. 当被询问到解释器的选择时，请切换至现有的本地解释器选项卡页签之下。 4. 浏览定位到 Anaconda 下属 envs 子目录里边那个预先构建出来的目标环境（比如前面提到过的 `pytorch_gpu` 或者其他自定义名）。通常路径类似于 C:\Users\[用户名]\Anaconda3\envs\[环境名]. 5. 寻找其中存在的 python.exe 文件予以选定确认即可[^4]。 至此，整个流程结束，现在可以在 PyCharm 内部正常调用之前精心布置妥当的那个包含了最新版 GPU 加速功能支持在内的 PyTorch 工作空间啦！ ```python import torch print(torch.cuda.is_available()) ``` 以上代码片段可用于验证当前系统是否能够识别 NVIDIA 显卡设备从而启用相应的加速计算能力。 ---