vscode 安装torch

### 安装并配置PyTorch于VSCode

对于在Visual Studio Code (VSCode) 中安装和配置GPU版本的PyTorch遇到的问题，可以采取特定的方法来解决。当使用`conda`命令时遇到了SSL错误，这可能是由于网络连接问题或者是Conda默认镜像源的问题[^1]。

为了克服这个问题，建议更改Conda的镜像源到更稳定的服务器上，比如国内的一些加速镜像站点。可以通过编辑`.condarc`文件或者直接运行如下命令设置阿里云的镜像：

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --set ssl_verify false

上述操作有助于绕过可能存在的SSL验证失败的情况，并加快下载速度。

如果尝试通过`pip`安装却得到了CPU版而非期望中的GPU支持版本，则是因为未指定具体的包名或环境变量路径不对所致。要确保安装的是带有CUDA支持的PyTorch版本，在创建新的虚拟环境中应明确指明所需的组件，例如：

conda create -n pytorch_env python=3.8
conda activate pytorch_env
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

这段脚本不仅设置了Python解释器及其版本号，还特别选择了与NVIDIA CUDA工具集兼容的PyTorch发行版，从而实现了对GPU的支持。

完成这些步骤之后，打开VSCode并将工作区切换至刚才建立好的`pytorch_env`环境下即可正常使用已安装的库。另外，确认IDE内部使用的解释器是否指向了正确的环境也很重要；可以在VSCode右下角查看当前激活的Python解释器名称，并点击它来进行调整[^2]。

最后，关于环境变量的配置，通常情况下按照以上方法安装后并不需要额外手动设定PATH等系统级环境变量，因为Anaconda本身会在每次启动对应环境时自动处理好必要的加载项。不过，如果有特殊需求或是发现某些功能无法正常运作的话，也可以考虑适当修改个人用户的环境变量以包含相关目录。