anaconda pycharm配置pytorch环境

### 配置 Anaconda 和 PyCharm 使用 PyTorch

#### 创建 PyTorch 虚拟环境
为了确保 Python 版本兼容并隔离依赖项，在 Anaconda 中创建专门用于 PyTorch 的虚拟环境是一个良好的实践。通过执行如下命令来建立名为 `pytorch` 的新环境，并指定 Python 版本为 3.6：

conda create -n pytorch python=3.6

激活此新建的环境以便后续操作[^3]。

#### 安装 PyTorch 库
一旦进入目标环境中，下一步就是安装 PyTorch 及其相关组件。根据官方文档推荐的方式进行安装是最优的选择之一。对于 CUDA 支持的需求不同，具体的安装指令也会有所变化；通常情况下可以直接采用 Conda 渠道完成安装工作:

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

这条语句会自动处理好所有必要的依赖关系[^4]。

#### 将 PyTorch 环境集成到 PyCharm
为了让 PyCharm 认识到刚刚构建好的 PyTorch 开发环境，需按照以下方式配置 IDE 设置：
- 打开 PyCharm 并启动一个新的或现有的项目；
- 进入 **File | Settings...** (Windows/Linux) 或者 **PyCharm | Preferences...** (macOS)，导航至 **Project: <project_name> | Python Interpreter**；
- 点击右上角齿轮图标旁边的加号 (+), 选择 **Add...**, 接着点击左侧列表中的 **Conda Environment** -> **Existing environment**；
- 浏览器窗口将会弹出，从中定位到 Anaconda 安装目录下的 envs 文件夹内对应名称（即此处应为 "pytorch"）的子文件夹内的 `python.exe` 文件位置，选中它之后确认应用更改。

此时应该可以在 PyCharm 终端里验证 PyTorch 是否正确加载以及 GPU 加速功能是否可用：

import torch
print("PyTorch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())

如果一切顺利的话，这段代码应当能够打印出当前使用的 PyTorch 版本信息及其对 CUDA 的支持状态。