pycharm中pytorch安装教程gpu
时间: 2025-02-01 21:41:51 浏览: 70
### PyCharm 中安装支持 GPU 的 PyTorch 教程
#### 创建 Anaconda 虚拟环境并激活
为了确保最佳兼容性和性能,在开始之前建议通过 Anaconda 来管理 Python 环境。这有助于隔离不同项目所需的依赖项。
```bash
conda create -n pytorch_env python=3.8
conda activate pytorch_env
```
上述命令创建了一个名为 `pytorch_env` 的新环境,并将其激活[^2]。
#### 配置 Conda 和 Pip 使用国内镜像源
为了避免下载过程中遇到网络问题,推荐更改 conda 或 pip 的默认镜像源为中国科学技术大学或其他稳定镜像站点:
对于 conda:
```bash
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
```
对于 pip:
```bash
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
```
这些设置能够显著提高软件包的获取速度和成功率[^3]。
#### 安装 CUDA 兼容版本的 PyTorch
确认本地已正确安装所需版本的 NVIDIA CUDA Toolkit 后,可以通过以下方式安装特定于 GPU 加速的支持库:
```bash
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
```
此操作将自动处理所有必要的依赖关系,并为当前环境中配置好适合指定 CUDA 版本的 PyTorch 库文件[^1]。
#### 设置 PyCharm 解释器指向新的虚拟环境
启动 PyCharm 并进入 "File -> Settings -> Project: project_name -> Python Interpreter" 页面;点击右侧齿轮图标选择 “Add”,接着挑选刚刚建立好的 anaconda virtualenv 作为项目的解释器路径。
完成以上步骤之后,即可在 PyCharm 内部顺利运行基于 PyTorch 开发的应用程序,并享受来自 GPU 提供的强大计算能力加成。
阅读全文
相关推荐


















