安装了PyTorch

### 配置环境及验证PyTorch安装

#### 创建并激活虚拟环境

为了给下载的项目设置合适的虚拟环境，推荐使用 `conda` 或者原生的 Python 虚拟环境工具来创建独立的工作空间[^1]。对于已经安装 Anaconda 的情况，默认会带有特定版本的 Python 如 3.7.4 版本，并且该版本仅能在 Anaconda 提供的命令提示符下被识别和调用[^4]。

通过以下命令可以基于 Conda 来建立一个新的虚拟环境：

conda create --name pytorch_env python=3.9

接着可以通过下面这条指令激活新创建好的环境：

conda activate pytorch_env

当不再需要当前活跃状态下的环境时，则可通过执行如下命令取消其活动状态：

conda deactivate

#### 安装PyTorch及相关依赖项

确保系统的 Python 版本不低于 3.6 并确认操作系统兼容性之后就可以着手准备安装 PyTorch 了[^2]。考虑到不同平台上的差异以及个人需求的不同（比如 CPU/GPU 支持），建议访问官方文档获取最精确的安装指南[^3]。

通常情况下可以直接利用 pip 工具完成快速部署：

pip install torch torchvision torchaudio

如果选择了 GPU 加速版则需额外指定 CUDA 和 cuDNN 的具体版本号；而对于某些特殊场景可能还需要手动下载对应的 wheel 文件来进行离线安装。

#### 验证安装正确性

一旦上述步骤顺利完成，便能够在 Python 解释器内部测试 PyTorch 是否正常工作。这一步骤非常重要因为它能帮助排除潜在的问题并且让开发者熟悉基本的操作接口。

打开终端输入 `python` 进入交互模式后尝试运行下列代码片段以查看所加载的核心库版本信息：

import torch
print(torch.__version__)

这段简单的脚本能打印出已安装的 PyTorch 库的具体版本号，从而证明软件栈搭建无误。