在 PyCharm 的 Conda 环境下如何安装pytorch

答案来自千问，有修改

在 PyCharm 的 Conda 环境下安装 PyTorch，最稳妥的方法是先确认你的硬件（是否有 NVIDIA 显卡），然后使用官方推荐的命令。

为了保证环境纯净和依赖正确，建议你按照以下步骤操作：

步骤 1：确认你的环境（关键）

在开始安装前，请确保你当前操作的环境是你想要安装 PyTorch 的那个。

看 PyCharm 终端提示符 ：打开 PyCharm 底部的 Terminal （终端），看命令行开头是否有 (你的环境名)。如果没有，输入 conda activate 你的环境名 激活它。
或者看解释器设置 ：点击 File -> Settings -> Project -> Python Interpreter，确认顶部下拉框选对了环境。

步骤 2：选择安装方式

PyTorch 官方提供了 Conda 和 Pip 两种安装方式。推荐优先使用 Conda，因为它能更好地管理 CUDA 依赖。

情况 A：如果你有 NVIDIA 显卡（想用 GPU 加速）

查看显卡驱动支持的 CUDA 版本：
- 打开 Windows 搜索，输入 nvidia-smi 并运行。
- 查看右上角显示的 CUDA Version（例如 12.1 或 11.8）。注意： 这是你驱动支持的最高版本，PyTorch 只能安装等于或低于这个版本的 CUDA。
执行安装命令：
- 推荐使用 Conda（自动解决依赖）：
  - 访问 PyTorch 官网，在"Get Started"页面选择 Conda 和你的 CUDA 版本（例如 PyTorch 2.5.1 + CUDA 12.1）。
  - 复制生成的命令，在 PyCharm Terminal 中运行。
  - 示例（请以官网最新命令为准）：
    bash 复制代码
```
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
```
- 如果 Conda 太慢，使用 Pip + 国内源：
  - 如果 Conda 安装速度极慢或报错，可以在官网选择 Pip，复制命令。
  - 在命令末尾添加国内镜像源以加速下载。
  - 示例：
    bash 复制代码
```
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 -i https://pypi.tuna.tsinghua.edu.cn/simple
```

在 PyCharm 的 Terminal（终端）中安装指定版本的 PyTorch，核心方法是在安装命令中明确写上版本号。

为了确保成功安装，你需要根据你是通过 Conda 还是 Pip 安装，以及是否需要 GPU 支持 来选择正确的命令格式。

安装特定版本的Pytorch

1. 确定你要安装的版本号

首先，你需要知道具体的 PyTorch 版本号（例如 2.4.1, 2.3.0, 1.13.1 等）。

查看历史版本 ：你可以访问 PyTorch 历史版本页面查看所有可用的版本及其对应的 CUDA、Python 要求。

2. 选择正确的安装命令

请根据你的需求（GPU/CPU）和包管理工具（Conda/Pip）选择以下一种方案。

强烈建议直接到 PyTorch 历史版本页面复制命令安装

方案 A：使用 Conda 安装（推荐，依赖管理更稳）

适用场景：你希望 Conda 自动帮你处理 CUDA 工具包和依赖库。

GPU 版本（指定 CUDA）

命令格式 ：

bash 复制代码

conda install pytorch==<版本号> torchvision==<版本号> torchaudio==<版本号> pytorch-cuda=<CUDA版本> -c pytorch -c nvidia

示例（安装 PyTorch 2.4.1，适配 CUDA 11.8）：

bash 复制代码

conda install pytorch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 pytorch-cuda=11.8 -c pytorch -c nvidia

CPU 版本

命令格式 ：

bash 复制代码

conda install pytorch==<版本号> torchvision==<版本号> torchaudio==<版本号> cpuonly -c pytorch

示例：

bash 复制代码

conda install pytorch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 cpuonly -c pytorch
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch

方案 B：使用 Pip 安装（速度快，但需自行处理依赖）

适用场景：Conda 安装太慢，或者你需要安装 Conda 仓库中没有的特定旧版本。

GPU 版本（通过 Index URL 指定 CUDA）

命令格式 ：

bash 复制代码

pip install torch==<版本号>+<cuXXX> torchvision==<版本号>+<cuXXX> torchaudio==<版本号>+<cuXXX> --index-url <官方源链接>

示例（安装 PyTorch 2.3.0，适配 CUDA 11.8）：

bash 复制代码

pip install torch==2.3.0+cu118 torchvision==0.18.0+cu118 torchaudio==2.3.0+cu118 --index-url https://download.pytorch.org/whl/cu118

注意：+cu118 表示这是 CUDA 11.8 的版本，不能省略。

CPU 版本

命令格式 ：

bash 复制代码

pip install torch==<版本号>+cpu torchvision==<版本号>+cpu torchaudio==<版本号>+cpu -f <官方源链接>

示例：

bash 复制代码

pip install torch==2.3.0+cpu torchvision==0.18.0+cpu torchaudio==2.3.0+cpu -f https://download.pytorch.org/whl/torch_stable.html

3. 执行安装

打开 PyCharm 底部的 Terminal。
确认环境 ：看命令行前面的括号 (...) 里是不是你的环境名。如果不是，先输入 conda activate 你的环境名。
复制上面选好的命令，粘贴到 Terminal 中，按回车执行。
输入 y 确认安装。

💡 常见问题与提示

版本对应关系 ：torch, torchvision, torchaudio 的版本号通常需要相互兼容。建议去 PyTorch 官网历史版本页面找官方推荐的组合，不要随意拼凑。
找不到包（Conda） ：如果提示 PackagesNotFoundError，说明 Conda 仓库里没有这个特定版本的包。此时建议改用 Pip 安装，或者检查版本号是否拼写错误。
网络问题 ：如果使用 Pip 安装慢，可以在命令末尾加上 -i https://pypi.tuna.tsinghua.edu.cn/simple 使用清华源加速。

情况 B：如果你没有 NVIDIA 显卡（仅用 CPU）

执行安装命令 ：

使用 Conda：

bash 复制代码

conda install pytorch torchvision torchaudio cpuonly -c pytorch

使用 Pip：

bash 复制代码

pip install torch torchvision torchaudio

步骤 3：验证安装（必须做）

安装完成后，不要急着写代码，请先运行一段简单的测试脚本，确保 PyTorch 能正常工作。

在 PyCharm 中新建一个 Python 文件（.py）。
输入以下代码并运行：

python 复制代码

import torch

# 打印 PyTorch 版本
print("PyTorch 版本:", torch.__version__)

# 检查 CUDA 是否可用（有 GPU 时应返回 True）
print("CUDA 可用:", torch.cuda.is_available())

# 检查可用的 GPU 数量
print("GPU 数量:", torch.cuda.device_count())

# 如果有 GPU，打印 GPU 名称
if torch.cuda.is_available():
    print("GPU 名称:", torch.cuda.get_device_name(0))

结果分析：

有 GPU 且安装成功 ：torch.cuda.is_available() 输出 True，且能打印出显卡名称。
仅 CPU 模式 ：torch.cuda.is_available() 输出 False，但只要不报错，说明 PyTorch 依然可以正常使用，只是速度较慢。

💡 常见问题提示

"Solving environment: failed" ：如果 Conda 报错找不到包，通常是因为没有添加 PyTorch 官方源。请在命令前加上 -c pytorch -c nvidia，或者在命令行输入 conda config --add channels pytorch 添加源。
安装慢 ：建议在安装前配置 Conda 国内镜像源（如清华源），或者直接使用 pip 安装（速度通常比 Conda 快）。
版本冲突 ：如果安装后出现报错，建议删除当前环境（conda env remove --name 你的环境名），重新创建一个纯净环境再试。