(yolov5_env) C:\Users\zyk\yolov5>import torch 'import' 不是内部或外部命令，也不是可运行的程序 或批处理文件。

### 正确安装 PyTorch 并解决命令行提示 `import` 不是内部或外部命令的问题 #### 1. **创建并激活 Conda 环境** 为了确保安装过程顺利，可以先创建一个新的 Conda 环境，并将其命名为 `pytorch`。随后激活该环境以准备后续操作： ```bash conda create -n pytorch python=3.8 conda activate pytorch ``` 此处指定 Python 版本为 3.8 是因为已知的兼容性组合表明它与 PyTorch 1.10.1 和 CUDA 工具包版本 11.3 具有更好的适配效果[^3]。 --- #### 2. **安装 PyTorch 及其相关依赖项** 在激活后的环境中，可以直接运行以下命令来安装所需的软件包（包括 `torch`, `torchvision`, `torchaudio` 和 `cudatoolkit=11.3`），无需额外添加 `-c pytorch` 参数，除非网络条件较差需要加速下载速度时才考虑引入镜像站点： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 ``` 这一过程中可能会弹出询问是否继续安装的信息框，请键入字母 y 表示同意。整个流程依据互联网连接状况的不同耗时长短各异，通常范围介于数分钟至上十分钟之间[^2]。 完成后可通过列表形式展示当前环境下所包含的所有库及其具体版本号来进行初步验证： ```bash pip list ``` --- #### 3. **验证安装结果** 为了进一步确认安装无误，可以在同一终端窗口内启动交互式的 Python Shell 或者 Jupyter Notebook 中执行下列语句片段用于检测是否存在任何潜在问题： ```python import torch print(f'Torch version: {torch.__version__}') print(f'CUDA available: {"Yes" if torch.cuda.is_available() else "No"}') if torch.cuda.is_available(): print(f'GPU count: {torch.cuda.device_count()}') print(f'Device name: {torch.cuda.get_device_name(0)}') ``` 如果一切正常，则会打印出有关 Torch 库本身以及 GPU 设备的相关详情；反之则可能意味着某些环节尚未妥善处理完毕，需回溯排查相应步骤[^4]。 --- #### 4. **解决命令行提示 `import` 不是内部或外部命令的问题** 当尝试直接在 Windows 命令提示符下输入类似这样的内容——`import torch`——却收到错误反馈说明这不是合法的操作方式。这是因为 CMD 默认只识别由系统注册过的可执行文件路径下的应用程序名称作为有效指令集成员之一而已。而实际上，“import”属于 Python 解释器内部语法的一部分，只有处于有效的 Python 运行上下文中才能被正确定义解析出来。 所以正确的做法应该是先进入 Python 的 REPL (Read-Eval-Print Loop)，然后再调用相应的模块功能测试代码段落。例如： ```cmd python >>> import torch >>> print(torch.__version__) ``` 或者利用脚本模式编写单独的小型 .py 文件再通过解释器加载运行亦可行。 --- ###