一、查看 CUDA 版本（GPU 环境必做，无 GPU 可跳过）
- 打开开始菜单栏，搜索PowerShell ，点击打开第一个结果；
- 在终端中输入命令：
nvidia-smi，回车执行；
- 从输出结果中查看显卡驱动支持的 CUDA 版本（示例为 12.7）。
二、下载安装 CUDA Toolkit
- 进入 CUDA 官方下载页：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_local；
- 根据自身电脑配置选择对应参数（示例为 Windows11 系统），安装方式选择exe（local） 下载本地安装包；
- 下载完成后，双击安装包按提示完成 CUDA Toolkit 安装。
三、获取 PyTorch 官方安装命令
- 进入 PyTorch 官方安装页：https://pytorch.org/get-started/locally/；
- 因官网暂未提供 12.7 版本，选择低于 12.7 的兼容版本 12.6；
- 按自身环境依次选择：系统（Windows）→ 包管理工具（Pip），页面将自动生成适配的安装命令，复制备用。
四、执行 PyTorch 安装命令
- 打开 PyCharm，点击软件左下角的终端 面板；
- 将复制好的官方安装命令粘贴至终端，回车执行（因为我已经安装，所以并没有下载过程，全新安装将自动完成依赖包下载与配置）。
五、验证安装是否成功
在 PyCharm 终端中输入python进入 Python 交互环境，依次执行以下代码：
python
运行
python
import torch
# 查看PyTorch安装版本
print(torch.__version__)
# 验证GPU加速是否可用
print(torch.cuda.is_available())
若成功打印 PyTorch 版本号，即表示安装成功；GPU 环境下torch.cuda.is_available()返回True，代表 GPU 加速可正常使用。