vscode能跑pytorch？

### 配置和运行 PyTorch 项目

#### 创建并激活 Anaconda 虚拟环境
为了确保项目的依赖项管理得当，在 Anaconda 中创建一个新的虚拟环境是一个良好的实践。通过命令行执行以下操作可以完成此过程：

conda create --name pytorch_env python=3.9
conda activate pytorch_env

这会建立名为 `pytorch_env` 的新环境，并将其激活以便后续安装所需的库。

#### 安装 PyTorch 库
访问 [PyTorch官方页面](https://pytorch.org/get-started/locally/) 来获取适合当前系统的特定安装指令。通常情况下，对于 CUDA 支持的选择取决于硬件情况。按照网站上的指导输入相应的 pip 或 conda 命令来安装 PyTorch 及其相关组件[^2]。

#### 在 VSCode 中配置 Python 解释器
打开 Visual Studio Code 后，可以通过按下组合键 `Ctrl+Shift+P` 打开命令面板，接着键入 "Python Select Interpreter" 并选择刚才创建的 anaconda 环境作为默认解释器。这样做的目的是让编辑器识别该环境下已安装的所有包以及提供智能感知功能[^3]。

#### 编写测试脚本验证 GPU 加速可用性
在一个新的 `.py` 文件里编写简单的代码片段用于确认是否能够成功加载 PyTorch 和检测是否有可用的 NVIDIA 显卡支持加速计算:

import torch

print(f"CUDA Available: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    device = 'cuda'
else:
    device = 'cpu'

tensor_example = torch.tensor([1., 2., 3.], device=device)
print(tensor_example)

这段程序将会打印出系统上是否存在有效的 CUDA 设备连接，并尝试在选定设备 (CPU 或者 GPU) 上创建张量对象进行展示[^1]。