pychram pytorch

### 如何在 PyCharm 中设置和使用 PyTorch

#### 设置 Conda 虚拟环境
为了确保 PyCharm 可以识别并使用特定版本的 Python 和所需的库，在创建新项目时应选择合适的解释器。对于名为 `pytorch_gpu` 的环境，可以通过以下命令来创建它：

conda create -n pytorch_gpu01 python=3.8

这一步骤会建立一个新的 conda 环境，并安装指定版本的 Python[^1]。

#### 绑定现有 Conda 环境到 PyCharm
当已经有一个预先配置好的 conda 环境时，可以在启动新的 PyCharm 项目期间通过选项 "Conda Environment — Existing environment" 来绑定此环境。如果列表里未显示相应的 Python 解释器，则需手动导航至 Anaconda 安装目录下的 envs 文件夹中寻找对应的 pytorch 包位置，并选取其中的 python.exe 进行关联[^4]。

#### 新建 Python 文件测试 PyTorch 导入
一旦完成了项目的初始化工作之后，就可以开始编写代码了。具体做法是在左侧栏目的项目树形结构内右击刚刚创建出来的工程名，接着依次选择 “New -> Python File”，输入文件名为 test.py 即可。此时应该能够顺利导入 torch 库而不会遇到任何错误提示[^3]。

然而，假如遇到了像 `"DLL load failed"` 类似的错误消息，可能是因为系统的 PATH 环境变量缺少必要的路径指向。解决办法之一就是调整系统级别的环境变量设定，使其包含有 CUDA 或者 cuDNN 的 bin 目录等必要组件的位置信息[^5]。

import torch

print(torch.cuda.is_available())

这段简单的脚本用于验证 GPU 加速功能是否正常运作；如果是 True 则表示一切准备就绪可以继续深入探索深度学习模型训练等工作流程了。