### 配置 Jupyter Notebook 的 PyTorch 环境 要在 Jupyter Notebook 中配置 PyTorch 环境并确保其与 Python3 一起工作，可以通过以下方式实现： #### 创建虚拟环境 首先需要确认已经创建了一个专门用于 PyTorch 的 Conda 虚拟环境。如果尚未完成此操作，则需通过 `conda create` 命令来创建一个新的虚拟环境[^2]。 ```bash conda create -n pytorch_env python=3.9 ``` 激活该虚拟环境以便后续安装必要的依赖项： ```bash conda activate pytorch_env ``` #### 安装 PyTorch 在已激活的虚拟环境中安装 PyTorch 及其他必要组件。可以访问官方 PyTorch 网站获取适合当前系统的命令[^1]。通常情况下，使用如下命令即可完成安装： ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 验证 PyTorch 是否成功安装可通过运行简单的测试脚本来判断： ```python import torch print(torch.__version__) ``` 如果有返回版本号则表明安装无误[^1]。 #### 添加 IPython Kernel 到 Jupyter Notebook 为了让 Jupyter Notebook 支持新创建的 PyTorch 环境中的 kernel ，需要将其注册到 Jupyter 。这一步骤非常重要，因为只有这样，在启动 Jupyter 后才能看到对应的新内核选项[^2]。 执行下面指令将当前活动的 conda environment 注册成可供 jupyter 使用的一个独立 kernel : ```bash python -m ipykernel install --user --name pytorch_env --display-name "Python (PyTorch)" ``` 此时重新打开 Jupyter Notebook 应当可以在界面右上角下拉菜单里找到名为 **"Python (PyTorch)"** 的选项。 #### 测试配置效果 切换至刚才设置好的 “Python (PyTorch)” 内核后尝试导入 PyTorch 并打印相关信息以检验整个流程是否顺利完成： ```python import torch print(f'Torch version: {torch.__version__}') if torch.cuda.is_available(): print('CUDA is available') else: print('CUDA unavailable, running on CPU.') ``` 以上代码会输出所使用的 PyTorch 版本以及设备信息（GPU 或者 CPU），进一步证明环境搭建正确性[^3]。 ---