PyCharm安装与PyTorch项目配置｜Jupyter Notebook与PyCharm使用对比

标签：pycharm、jupyter、pytorch、conda环境配置

前言

上一篇我们搭建好了Anaconda + PyTorch虚拟环境，但是很多人在命令行里面跑代码没问题，放到PyCharm里就各种报错，本质就是解释器没有选对 。

同时做深度学习经常会纠结，到底用Jupyter还是PyCharm，本篇一次性讲清楚。

一、PyCharm下载安装

推荐下载 PyCharm Community（社区版） ，免费开源，足够深度学习开发使用。

官网：https://www.jetbrains.com/pycharm/download/

1. 选择对应系统版本（Windows / Mac / Linux）
2. 安装时勾选选项：
   • Add launchers dir to the PATH
   • Create Associations .py
3. 一路下一步，安装完成后打开PyCharm

二、新建项目 + 绑定Conda虚拟环境（重点）

1. New Project → 选择项目存放路径

2. Python interpreter 选择 Custom environment

3. 找到conda的python解释器路径：
   路径格式参考：
   anaconda3/envs/pytorch/python.exe 如果你不知道路径在哪：

   conda activate pytorch
   where python  # Windows
   which python  # Linux/Mac

4. 选中这个python.exe，创建项目

✅ 校验：在PyCharm终端输入

import torch
print(torch.cuda.is_available())

输出True代表配置成功。

常见坑：PyCharm自带终端默认不会自动激活conda，需要在设置里开启conda支持，或者手动执行 conda activate pytorch

三、Jupyter Notebook 介绍

Jupyter Notebook 是交互式网页编辑器，后缀 .ipynb

启动方式（conda环境激活后）：

jupyter notebook

浏览器会自动打开页面，支持单元格分段运行代码，可以一边写代码、一边看结果、一边写笔记、插入图片公式。

Jupyter 核心优点

• 代码分块执行，调试方便，跑一小块不用全量运行
• 支持Markdown、公式、图片，适合学习、实验、记录笔记
• 深度学习调参、可视化、看中间输出非常舒服

Jupyter 缺点

• 项目大了之后代码杂乱，函数、类不好管理
• 没有完善的项目目录管理、重构、代码提示
• 容易出现内核卡死、变量污染（前面单元格变量残留）
• 不方便做版本发布、自动化脚本

四、PyCharm 介绍

PyCharm是IDE，后缀 .py 脚本文件

PyCharm 优点

• 完整项目管理、代码补全、跳转、重构、断点调试
• 适合工程化代码、模型训练脚本、封装类、模块拆分
• 方便版本Git管理、批量运行、写正式项目
• 可以直接配置远程服务器、远程GPU调试

PyCharm 缺点

• 不能分块即时看结果，每次修改都要整体运行脚本
• 写笔记、插入图片不方便，适合开发，不适合快速实验记录

五、选型对比表

对比项	Jupyter Notebook	PyCharm
文件格式	.ipynb	.py
运行方式	单元格交互式执行	整文件运行/断点调试
适合场景	学习、实验、调参、可视化、笔记	正式项目、工程代码、模型训练脚本、模块开发
代码管理	不方便，diff很难看	完美支持Git
调试方式	简单print看结果	断点调试、变量监控
推荐人群	新手学习、算法验证、看中间输出	写上线代码、大型训练工程

✅ 最佳实践：

先用Jupyter做实验验证想法，验证没问题之后，把代码整理成.py脚本放到PyCharm里面开发维护。

六、常见问题

1. PyCharm导入torch标红

原因：解释器选错，用了系统python而不是conda里的pytorch环境

解决：File → Settings → Project → Python Interpreter，重新选中conda环境

2. Jupyter内核不识别cuda

解决：在conda环境里安装ipykernel，注册内核

conda activate pytorch
pip install ipykernel
python -m ipykernel install --user --name pytorch --display-name "pytorch"

打开jupyter后内核选择pytorch即可。

七、小结

1. PyCharm核心要点：解释器一定要绑定conda虚拟环境
2. Jupyter适合快速实验验证，PyCharm适合工程化开发
3. 两者不是二选一，日常深度学习开发是搭配使用