jupyter notebook 创建pytorch
时间: 2025-02-21 09:22:48 浏览: 38
### 如何在 Jupyter Notebook 中设置和使用 PyTorch 环境
#### 创建并激活 Conda 虚拟环境
为了确保项目的依赖项隔离,建议先创建一个新的 Conda 虚拟环境。这可以通过以下命令完成:
```bash
conda create --name pytorch_env python=3.8
```
接着,通过下列命令激活新创建的虚拟环境 `pytorch_env`:
```bash
conda activate pytorch_env
```
#### 安装必要的 Python 库
一旦进入了所需的虚拟环境中,则可以继续安装所需的各种库。
对于 NumPy, SciPy, Pandas 及 Matplotlib 的安装可利用 conda 或 pip 工具实现:
```bash
conda install numpy scipy pandas matplotlib
```
或者采用 pip 进行安装(适用于偏好 pip 用户):
```bash
pip install numpy scipy pandas matplotlib -i https://mirrors.aliyun.com/pypi/simple/
```
针对 PyTorch 自身及其配套组件 D2L 的安装,推荐的方式是借助官方提供的稳定版本链接进行操作[^2]:
```bash
pip install torch torchvision torchaudio d2l -f https://download.pytorch.org/whl/cpu/torch_stable.html
```
#### 设置 Jupyter Kernel 并关联至当前环境
为了让 Jupyter Notebook 认识到刚刚建立好的 PyTorch 环境,还需要额外安装 `nb_conda_kernels` 来管理不同内核之间的切换[^4] :
```bash
conda install nb_conda_kernels
```
此时再次启动 Jupyter Notebook 后,在新建笔记本时应该能够看到对应于刚才所建环境的新选项卡可供选择。
#### 测试 PyTorch 是否成功加载
最后一步是在新开启的 Jupyter Notebook 文件里尝试导入 PyTorch 模块来进行简单的验证测试,确认一切正常工作[^3]:
```python
import torch
print(torch.__version__)
```
如果上述代码能顺利执行并且打印出正确的 PyTorch 版本号,则说明整个配置过程顺利完成。
阅读全文
相关推荐


















