pycharm pytorch教程
时间: 2025-02-24 07:27:07 浏览: 61
### PyCharm 中使用 PyTorch 的教程
#### 创建并激活 Conda 环境
为了在 PyCharm 中顺利运行 PyTorch,首先需要创建一个专门用于 PyTorch 的 Python 虚拟环境。可以利用 Anaconda 来管理这个虚拟环境。
对于希望基于特定 Python 版本构建开发环境的情况,默认安装环境中可以通过如下命令来建立名为 `pytorch` 并指定 Python 3.8 版本的 conda 环境[^1]:
```bash
conda create -n pytorch python=3.8
```
如果目标是支持 GPU 加速处理,则可以在 PyCharm 控制台中通过下面这条指令创建带有更高版本 Python (例如 3.11.7) 和其他依赖项(如 CUDA 工具包)的新环境[^2]:
```bash
conda create -n dicom_gpu python=3.11.7
```
完成上述操作之后,记得激活新创建的 conda 环境以便继续下一步骤:
```bash
conda activate your_env_name
```
其中 `your_env_name` 应替换为你实际使用的环境名称。
#### 安装必要的库文件
进入所选的工作目录后,在终端输入以下 pip 命令以安装最新版 PyTorch 及其相关组件:
```bash
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
```
注意 URL 后缀部分 (`cu113`) 需要依据个人电脑上已有的 NVIDIA 显卡驱动情况调整至匹配当前系统的 CUDA 版本号。
#### 设置 PyCharm 解释器
当一切准备就绪时,启动 PyCharm IDE 开始新建或打开现有项目。按照提示依次点击菜单栏中的 "File" -> "Settings..." 或者直接按下快捷键 Ctrl+Alt+S 进入全局首选项页面。导航到左侧列表里的 "Project: project_name" 下拉选项下的 “Python Interpreter”,再点击右侧齿轮图标旁边的加号 (+),选择 "Add...". 接着从弹窗里找到之前定义过的 conda environment,并将其设为该项目的主要解析工具[^3].
此时应该能够看到 PyCharm 成功识别到了刚刚添加进去的那个自定义解释程序及其关联的所有第三方模块。
#### 测试 PyTorch 是否正常工作
最后一步是在脚本编辑区编写简单的测试代码片段验证整个流程是否成功。比如打印出 Torch 当前加载成功的具体版本信息以及它所能访问到的最大可用显存数量等细节数据[^4]:
```python
import torch
print(f"Torch Version: {torch.__version__}")
if torch.cuda.is_available():
print(f"CUDA Available, version: {torch.version.cuda}")
else:
print("CUDA Not Found.")
```
以上就是完整的 PyCharm 结合 PyTorch 使用指南。
阅读全文
相关推荐


















