🔥博主：程序员不想YY啊🔥

💫CSDN优质创作者，CSDN实力新星，CSDN博客专家💫

🤗点赞🎈收藏⭐再看💫养成习惯

🌈希望本文对您有所裨益，如有不足之处，欢迎在评论区提出指正，让我们共同学习、交流进步！🌈

前言

在Python中创建一个虚拟环境可以让你在一个隔离的环境中安装和管理依赖，这有助于你在不同项目之间切换而不会发生依赖版本冲突。以下是一个如何为PyTorch构建虚拟环境的步骤说明。这个过程将使用conda，因为conda能够很好地处理复杂的依赖关系，比如PyTorch所依赖的CUDA版本。

安装Conda

如果你还没有安装conda，你首先需要安装Anaconda或Miniconda。Anaconda包含了许多预安装的数据科学和机器学习库，而Miniconda提供了一个简洁的安装，你可以按需安装所需的包。

你可以从Anaconda的官方网站下载安装包：https://www.anaconda.com/products/distribution

或者，如果你想要一个更轻量级的安装，你可以通过Miniconda下载页面来安装Miniconda：https://docs.conda.io/en/latest/miniconda.html

创建Python虚拟环境

安装完Anaconda或Miniconda之后，打开命令行工具，然后按照以下步骤操作：

1. 创建一个名为pytorch-env的新conda虚拟环境，并指定你想要的Python版本（例如Python 3.8）:

   conda create -n pytorch-env python=3.8
   

2. 激活你的新虚拟环境：

   conda activate pytorch-env
   

安装PyTorch

现在，你可以在这个虚拟环境中安装PyTorch。要安装PyTorch及其依赖项，请使用由PyTorch团队提供的命令。你可以在PyTorch官网的“Get Started”页面上找到适合你的安装命令：https://pytorch.org/get-started/locally/。通常包括选择操作系统、包管理器、Python版本、CUDA版本的选项。

例如，在没有GPU支持的Linux系统中，安装支持CPU的PyTorch版本的命令可能如下所示（这会安装适合你操作系统和Python版本的最新版本）:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

如果你的系统有NVIDIA GPU并支持CUDA，你可以安装支持CUDA的版本。在这种情况下，cpuonly将被CUDA版本替换，例如cudatoolkit=10.2。

确认安装

为了验证PyTorch是否正确安装，你可以在你的Python虚拟环境中尝试导入PyTorch并打印出它的版本：

import torch
print(torch.__version__)

如果安装正确，上面的代码将打印出安装的PyTorch版本。

记住，每次你想要使用这个PyTorch环境时，你需要激活这个虚拟环境：

conda activate pytorch-env

创建虚拟环境和安装PyTorch这样的库只是机器学习项目设置的一部分。在继续进行数据处理、模型构建和训练之前，你可能还需要安装其他一些库或工具。