jupyter notebook ModuleNotFoundError: No module named 'torch'

这个错误提示表明你的环境中没有安装 PyTorch 库。你需要先安装 PyTorch 库，然后才能在 Jupyter Notebook 中使用它。你可以使用以下命令安装 PyTorch：

pip install torch

如果你想安装特定版本的 PyTorch，可以使用以下命令：

pip install torch==1.8.1

请注意，你需要根据你的操作系统和 Python 版本选择正确的 PyTorch 版本。

相关问题

jupyter notebook报ModuleNotFoundError: No module named 'torch'

当在Jupyter Notebook中遇到ModuleNotFoundError: No module named 'torch'的错误时，这意味着你的Jupyter Notebook环境缺少了torch模块。
要解决这个问题，你可以按照以下步骤操作：

1. 确保你已经在同一个环境中安装了PyTorch。你可以在终端或命令提示符中使用以下命令来安装PyTorch：

   pip install torch

2. 在Jupyter Notebook中重新启动内核。你可以通过点击Jupyter Notebook界面上的"Kernel"选项，然后选择"Restart Kernel"来重新启动内核。

3. 确保你正在使用正确的内核。你可以在Jupyter Notebook界面上的"Kernel"选项中查看当前使用的内核。确保你正在使用包含安装了PyTorch的内核。

如果你按照以上步骤操作仍然遇到问题，请确保你的环境变量正确配置，并且你已将PyTorch正确安装。你也可以尝试重新安装PyTorch，或者在Jupyter Notebook中创建一个新的环境。

jupyter notebook提示ModuleNotFoundError: No module named 'torch'

### 解决 Jupyter Notebook 中 `ModuleNotFoundError` 错误的方法

当遇到在 Jupyter Notebook 中无法找到 PyTorch 模块的情况时，这通常是因为当前使用的 Python 环境并未正确安装 PyTorch 或者 Jupyter Notebook 并未关联至已安装 PyTorch 的环境。

#### 方法一：确认并切换到正确的 Conda 虚拟环境

为了确保操作在一个干净且配置好的环境中进行，建议创建一个新的 conda 环境专门用于 PyTorch 开发工作。通过 Anaconda Navigator 可视化工具来管理这些环境会更加直观方便[^4]。

1. 打开 **Anaconda Navigator**
2. 在左侧的应用程序列表中选择 **Environments** 选项卡
3. 查找名为 "pytorch" 的现有环境；如果没有，则可以新建一个
4. 将右侧顶部的选择框由默认的 base(root) 更改为 pytorch 环境名称
5. 安装或启动 Jupyter Notebook 应用之前，请先点击页面下方的更新按钮以同步最新的包版本信息
6. 如果尚未安装 Jupyter Notebook，在所选环境中单击 Install 进行安装
7. 完成上述设置之后，再次尝试启动 Jupyter Notebook，并验证是否能够正常加载 torch 模块

#### 方法二：直接通过命令行安装 PyTorch 和 ipykernel 到指定环境

对于熟悉终端操作的开发者来说，也可以采用如下方式快速解决问题：

# 创建新的 conda 环境（可跳过此步如果你已有合适的环境）
conda create --name pytorch_env python=3.9

# 激活目标环境
conda activate pytorch_env

# 安装 PyTorch 及其依赖项
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

# 向 jupyter kernels 注册当前激活的 conda env
python -m ipykernel install --user --name pytorch_env --display-name "Python (pytorch)"

完成以上步骤后，重新开启浏览器中的 Jupyter Notebook 实例，应该可以在内核菜单里看到新增加的 “Python (pytorch)” 选项。此时创建的新笔记本将会自动连接到含有最新版 PyTorch 的特定环境之中[^2]。

#### 验证安装情况

最后一步是检验一切是否按预期运作。可以通过执行简单的测试脚本来检查 Torch 是否被成功识别：

import torch
print(torch.__version__)
device = 'cuda' if torch.cuda.is_available() else 'cpu'
print(f'Device: {device}')

如果没有任何报错提示并且能打印出 PyTorch 版本号以及设备状态说明已经解决了最初提到的问题。