Pycharm搭建CUDA，Pytorch教程（匹配版本，程序员面试指南

### 配置 PyCharm 使用 CUDA 进行 PyTorch 开发 #### 安装必要的软件包 为了确保能够在 PyCharm 中使用 CUDA 执行 PyTorch 的 GPU 加速功能，需要先创建并激活一个合适的 Python 虚拟环境。通过 conda 创建名为 `pytorch_gpu` 的虚拟环境，并指定 Python 版本为 3.8： ```bash conda create -n pytorch_gpu python=3.8 ``` 接着安装特定版本的 PyTorch 及其依赖项以匹配所使用的 CUDA 版本 (这里假设为 CUDA 10.1)，这可以通过 pip 来完成： ```bash pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html ``` 以上命令会下载适用于 CUDA 10.1 的 PyTorch 库及其配套工具[^1][^2]。 #### 设置 PyCharm 解释器 启动 PyCharm 后，在项目设置里找到 "Project Interpreter" 并点击齿轮图标旁边的加号来添加新的解释器。选择 “Conda Environment”，再选中之前建立好的 `pytorch_gpu` 环境作为项目的默认解释器。 #### 测试 CUDA 是否可用 编写一段简单的测试代码验证是否成功启用了 GPU 支持: ```python import torch if __name__ == "__main__": print(f"CUDA Available: {torch.cuda.is_available()}") device = 'cuda' if torch.cuda.is_available() else 'cpu' tensor_example = torch.tensor([1., 2., 3.], device=device) print(tensor_example) ``` 这段脚本将会打印出当前环境中是否有可用的 CUDA 设备以及尝试在一个张量上应用该设备[^3]。