conda和pytorch

如何在 Conda 环境中安装和配置 PyTorch
创建新的 Conda 环境并激活
为了保持项目的独立性和整洁性，在安装 PyTorch 之前建议先创建一个新的 Conda 虚拟环境。这可以通过下面的命令完成：
conda create --name myenv python=3.9
conda activate myenv

这里的 myenv 是新环境的名字，可以根据个人需求更改。
安装 PyTorch 及其依赖库
对于希望利用 GPU 加速计算的任务来说，通过指定版本号来安装带有 CUDA 支持的 PyTorch 版本是非常重要的。例如，要安装支持 CUDA 11.8 的最新稳定版 PyTorch、torchvision 和 torchaudio 组件，可以执行如下命令[^1]：
conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch

这条指令会自动解决所有必要的依赖关系，并确保所选组件之间的兼容性。
如果需要针对特定硬件平台或操作系统定制化安装，则可能需要用到预编译好的 whl 文件来进行本地安装。比如 Windows 用户可能会遇到这样的情况，这时可采用 pip 工具配合具体路径下的 wheel 文件进行安装操作[^2]:
pip install C:\Users\Lenovo\torchvision-0.16.0+cu121-cp38-cp38-win_amd64.whl

而对于那些想要回滚到更早版本（如 PyTorch 0.4.1），则需调整相应的包名以及 CUDA 版本来匹配目标环境的要求[^3]：
conda install pytorch=0.4.1 cuda80 torchvision -c soumith

请注意上述例子中的 -c soumith 参数指定了额外的 Anaconda 频道用于获取较老版本软件包；而 cuda80 表示使用的 CUDA 版本为 8.0。
验证安装成功与否
最后一步是验证 PyTorch 是否已经正确安装并且能够识别可用的 GPU 设备。可以在 Python 解释器内运行以下代码片段测试：
import torch
print(torch.cuda.is_available())
print(torch.__version__)

这段脚本将会打印当前系统的 PyTorch 版本信息及其能否访问 NVIDIA 显卡的状态。