pycharm配置anaconda pytorch 因特尔显卡630

在PyCharm中配置Anaconda和PyTorch，尤其是对于配备英特尔GPU（如Intel Iris Plus Graphics 630）的情况，可以按照以下步骤操作：

1. **安装Python环境**:
- 首先，确保已经下载并安装了Anaconda，可以从官网下载对应的Python版本（建议选择与PyTorch兼容的版本，例如Python 3.7或3.8）。

2. **创建虚拟环境**:
- 打开命令行工具（Windows: Anaconda Prompt，Mac/Linux: Terminal），进入Anaconda安装目录下的Scripts文件夹。

   conda create -n myenv python=3.x anaconda

其中`myenv`是环境名称，可以根据需要自定义。

3. **激活虚拟环境**:

   conda activate myenv

4. **安装PyTorch**:
- 使用pip安装PyTorch及其CUDA支持：

   pip install torch torchvision cudatoolkit=10.x -f https://download.pytorch.org/whl/torch_stable.html

确保这里的`10.x`是你计算机上安装的CUDA版本。如果不清楚，可以在Anaconda Prompt或Terminal中输入`conda list cudatoolkit`查看。

5. **检查安装**:
- 测试PyTorch是否安装成功：

   import torch
   print(torch.cuda.is_available())  # 如果输出True，说明PyTorch已成功安装到GPU

6. **设置PyCharm**:
- 打开PyCharm，点击菜单栏的"File" -> "Settings" -> "Project Interpreter"，然后点击"+"添加新的Python解释器。
- 在新窗口中，选择刚才创建的虚拟环境（如'myenv'），点击"OK"。

7. **配置CUDA路径**:
- 在PyCharm设置中，找到"Build, Execution, Deployment" -> "C/C++" -> "Interpreter Settings" -> "Toolchains"，点击"+"号添加新的CMake工具链。
- 设置"CUDA C Compiler"为`nvcc`，并将"CUDA SDK Path"指向`CUDA Toolkit`安装路径。

8. **编译项目**:
- 当你在项目中编写涉及GPU运算的代码时，记得在每个包含GPU操作的模块前加上`if __name__ == '__main__':`，以避免PyCharm在预览时尝试编译GPU代码。