在运行的python环境里先要确保jupyter安装好：
按下 Ctrl + Shift + P 打开命令面板，输入 "Jupyter: Create New Blank Notebook" 来创建一个新的 Jupyter 笔记本，或者打开现有的 .ipynb 文件。
在打开的 Jupyter 笔记本中，点击右上角的内核选择器，选择你已经配置好的 Python 环境。
我的老电脑明明有GPU，之前运行过深度学习的代码发现找不到GPU，那我应该是配置torch的时候没有下载cuda，所以我新建了一个环境torch_cuda，通过nvidia-smi，可以看到自己电脑本身的GPU，我的是11.2，一般torch的cuda小于等于这个型号。然后去这个网站找到对应的下载命令：Previous PyTorch Versions | PyTorch
我用的是，预计是一个半小时
pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html
以及torch和python版本的对应
torch torchvision Python
2.2 0.17 >=3.8, <=3.11
2.1 0.16 >=3.8, <=3.11
2.0 0.15 >=3.8, <=3.11
1.13 0.14 >=3.7.2, <=3.10
1.12 0.13 >=3.7, <=3.10
1.11 0.12 >=3.7, <=3.10
1.10 0.11 >=3.6, <=3.9
1.9 0.10 >=3.6, <=3.9
1.8 0.9 >=3.6, <=3.9
1.7 0.8 >=3.6, <=3.9
1.6 0.7 >=3.6, <=3.8
1.5 0.6 >=3.5, <=3.8
1.4 0.5 ==2.7, >=3.5, <=3.8
1.3 0.4.2 / 0.4.3 ==2.7, >=3.5, <=3.7
1.2 0.4.1 ==2.7, >=3.5, <=3.7
1.1 0.3 ==2.7, >=3.5, <=3.7
<=1.0 0.2 ==2.7, >=3.5, <=3.7
创建一个新环境，要新装jupyter
conda install ipykernel
python -m ipykernel install --user --name envname --display-name envname #把envname换成自己的环境名称