conda是安装PyTorch最稳妥的方式，因其能自动匹配CUDA、torchvision等依赖并隔离环境；pip易因版本冲突导致cuda不可用等问题，需先验证nvidia-smi输出的驱动支持CUDA版本，再创建指定Python 3.10的独立环境，最后通过conda install命令安装对应cu版本的PyTorch。
conda 是安装 PyTorch 环境最稳妥的方式，尤其在 Windows 和 macOS 上。直接用 pip 容易因 CUDA、torchvision 或 Python 版本不匹配导致后续报错，比如 ImportError: libcudart.so.12.1 或 torch.cuda.is_available() 返回 False 即使有 GPU。
先确认显卡和驱动是否支持 GPU 加速
没这步，后面装了 GPU 版也白搭。运行：
nvidia-smi
看输出里的 CUDA Version（注意：这是驱动能支持的最高 CUDA 运行时版本，不是已安装的 CUDA Toolkit）。例如显示 CUDA Version: 12.4，那你就只能选 PyTorch 官网标称支持 cu124 或更低（如 cu121）的版本。
- 如果命令报
'nvidia-smi' is not recognized：说明 NVIDIA 驱动根本没装，先去官网下载对应显卡型号的最新驱动 - 如果显示的是
WDDM（Windows）且没有 CUDA 版本字段：你用的是集显或老款 Intel/NVIDIA Optimus 笔记本，基本只能用 CPU 版 - Linux 用户注意：确保已安装
nvidia-driver（不是nvidia-driver-XXX-open这类开源变体）
创建独立环境并指定 Python 版本
别往 base 环境硬塞 PyTorch —— 后续换项目、换模型、换框架时极易冲突。推荐用 conda create 显式控制 Python 版本：
conda create -n torch-env python=3.10
为什么是 3.10？因为截至 2026 年中，PyTorch 官方 wheel 对 python=3.11+ 的 torchvision 支持仍不稳定，而 3.9 又太旧、部分新库已弃用。3.10 是当前最省心的平衡点。
- 环境名
torch-env可任意替换，但避免空格和中文 - 如果 Anaconda 装在 D 盘但默认 envs 在 C 盘，加
--prefix指定路径：conda create --prefix=D:\envs\torch-env python=3.10 - 创建后必须激活：
conda activate torch-env（Windows）或source activate torch-env（macOS/Linux）
用 conda install 装 PyTorch（不是 pip）
conda 能自动拉取匹配的 cudatoolkit、torchvision、torchaudio，不用你手动配 LD_LIBRARY_PATH 或改环境变量。打开 PyTorch 官网 https://pytorch.org/get-started/locally/，按你的系统、包管理器、CUDA 版本选好，复制命令。例如：
GPU 用户（CUDA 12.4）：
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia
CPU 用户（无 GPU 或不想用）：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
- 必须带
-c pytorch，否则 conda 可能从 defaults 通道拉旧版甚至损坏包 - 若国内下载极慢，提前加清华源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ - 装完立刻验证：
python -c "import torch; print(torch.__version__, torch.cuda.is_available())"—— 输出应类似2.4.0 True
PyCharm / VS Code 中正确识别环境
IDE 不会自动发现你刚建的 conda 环境。关键点在于路径：conda 环境的 Python 解释器路径不是 python.exe，而是 envs/torch-env/python.exe（Windows）或 envs/torch-env/bin/python（macOS/Linux）。
- PyCharm：File → Settings → Project → Python Interpreter → ⚙️ → Add → Conda Environment → Existing environment → 粘贴上面那个完整路径
- VS Code：Ctrl+Shift+P → “Python: Select Interpreter” → 找到
torch-env对应的python文件 - 切记不要选
base环境下的 Python，否则torch导入失败是必然的
最后跑一句 torch.cuda.is_available() —— 如果 IDE 里返回 False 但终端里是 True，八成是解释器路径选错了，或者 IDE 启动时没加载 conda 的 shell 初始化脚本（VS Code 建议勾选 “Run in terminal”）。
