jypter pytorch 安装

### 如何在Jupyter Notebook中安装配置PyTorch

#### 安装Anaconda
为了简化Python包管理和部署，建议先安装Anaconda。Anaconda是一个用于科学计算的Python发行版，包含了大量常用的库以及管理工具。

#### 创建并激活新的Conda环境
通过创建一个新的Conda环境来隔离不同项目的依赖关系是非常好的实践方法。可以在命令行输入如下指令创建名为`pytorch_env`的新环境，并指定Python版本：

conda create --name pytorch_env python=3.9

接着激活此新建立的环境：

conda activate pytorch_env

#### 使用Conda安装PyTorch
对于大多数用户来说，最简单的方法就是利用官方推荐的方式——即采用Conda渠道直接获取预编译好的二进制文件。具体操作取决于目标平台（CPU/GPU），这里给出通用形式：

- 对于仅需支持CPU运算的情况:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

- 如果希望启用CUDA加速，则应替换上述命令中的`cpuonly`部分为具体的CUDA版本号，例如针对CUDA 11.7可执行下面这条语句:

conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch

以上步骤完成后即可完成PyTorch的基础设置工作[^1]。

#### 设置Jupyter Kernel关联至新建的Conda Environment
为了让Jupyter能够识别到刚刚设立好的PyTorch运行时环境，在继续之前还需要做一点额外的工作—那就是把当前活动的Conda environment注册成为可供选择的一个kernel选项。这一步骤可以通过pip安装ipykernel模块实现：

python -m pip install ipykernel

随后将其加入可用Kernel列表之中：

python -m ipykernel install --user --name=pytorch_env --display-name "Python (pytorch)"

此时重新启动Jupyter服务之后就能看到新增加的那个带有"(pytorch)"标签项了[^2]。

#### 启动Jupyter Notebook并与PyTorch交互测试
最后就可以正常开启Jupyter界面来进行后续开发任务了。记得要切换成刚才自定义过的那个特定内核哦！

可以尝试编写简单的代码片段以确认一切运作良好：

import torch
print(torch.__version__)
if torch.cuda.is_available():
    print('CUDA is available')
else:
    print('No CUDA detected')

如果显示"No CUDA detected"的信息，可能是因为显卡驱动程序未正确安装或存在其他兼容性问题所致；另外也可能是由于选择了错误类型的PyTorch构建(比如误选了纯CPU版本)[^3]。