配置 PyTorch 并与 PyCharm 联用教程
# 📌 文章属性与简介 title: Windows 环境下使用 Anaconda 配置 PyTorch 并联用 PyCharm 保姆级教程 date: 2026-05-22 description: 深度学习环境搭建不再头疼！本文通过超详细的图文步骤，手把手带你使用 Anaconda 创建独立虚拟环境，检查 NVIDIA 显卡并安装对应 CUDA 版本的 PyTorch 框架。最后完整演示如何在 PyCharm 中配置 Conda 解释器，打通代码编辑器与深度学习环境的最后一公里。
想要入门人工智能和深度学习，搭建一个稳定顺手的开发环境是第一道门槛。很多新手在配置 PyTorch 和显卡驱动（CUDA）时经常遇到各种版本冲突报错。本文为你准备了一份超详细的图文全解教程，手把手带你使用 Anaconda 搭建纯净的 PyTorch 虚拟环境，并将其完美接入 PyCharm 编辑器中！
一、 创建 Anaconda 虚拟环境
1. 首先，打开 Windows 的开始菜单，在搜索框中输入 Anaconda Prompt。找到带有黑色图标的应用后，点击右侧的 “以管理员身份运行”。
2. 在弹出的黑色终端窗口中，我们需要创建一个独立的虚拟环境来专门存放 PyTorch 及相关依赖。输入命令 conda create -n pytorch python=3.8 并回车（这里的 pytorch 是环境名称，python=3.8 是指定的 Python 版本，可根据你的实际需求更改）。
conda create -n pytorch python=3.8
3. 系统会列出即将安装的基础依赖包。当看到提示 Proceed ([y]/n)? 时，在键盘上输入 y 并按回车确认。
4. 等待基础环境创建完成后，根据屏幕底部的提示，输入 conda activate pytorch 并回车。此时你会发现命令行最左侧的括号从 (base) 变成了 (pytorch)，这说明你已经成功进入了刚刚创建的虚拟环境中！
conda activate pytorch
二、 检查显卡与安装 PyTorch
5. 核心避坑步： 在安装 PyTorch 之前，必须先确定你的电脑是否有独立显卡！右键桌面上的“此电脑” -> 点击“属性” -> 找到并打开 “设备管理器” -> 展开 “显示适配器”。只有在这里看到 NVIDIA 字样的显卡（例如 RTX 4060），你才能安装 GPU（CUDA）版本的 PyTorch。如果没有，后续只能安装 CPU 版本。
6. 确认有 NVIDIA 显卡后，前往 PyTorch 官网获取安装命令。官网目前推荐使用精确指定通道的命令。这里我们复制准备好的 CUDA 11.8 版本安装命令：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia。
7. 回到刚才激活了 (pytorch) 环境的 Anaconda Prompt 终端，将这串长命令粘贴进去，然后敲击回车。
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
8. 系统会解析依赖并列出一大串需要下载的深度学习核心包。同样，在遇到提示 Proceed ([y]/n)? 时，输入 y 并回车。因为文件较大，这里需要耐心等待一段时间让进度条跑完。
9. 安装完成后，我们需要验证一下 GPU 是否能够正常被调用。在终端中依次输入以下内容：
① 输入 python 回车，进入 Python 交互模式。
python
② 输入 import torch 回车，导入 PyTorch 库（如果没有报错说明库安装成功）。
import torch
③ 输入 torch.cuda.is_available() 回车。如果屏幕打印出 True，恭喜你，PyTorch 的 GPU 环境配置大功告成！
torch.cuda.is_available()
以下步骤可以不操作，直接跳到pycharm调用那一步
10. （可选补充）为了以后方便在 Jupyter Notebook 等工具中直接切换使用这个环境，建议按 Ctrl+Z 或输入 quit() 退出 Python 交互模式后，再执行一下命令 conda install nb_conda。
conda install nb_conda
11. 等待 nb_conda 及其关联组件安装完成，至此终端里的环境配置任务就全部结束了。
三、 在 PyCharm 中配置环境解释器
12. 打开你日常敲代码的 PyCharm 编辑器，在任意打开的项目中，点击右上角的 齿轮图标（设置） -> 选择 “设置...”（或者直接使用快捷键 Ctrl+Alt+S）。
13. 在弹出的设置窗口中：
① 在左侧菜单找到 Python -> 点击 “解释器” (Python Interpreter)。
② 点击右侧的 “添加解释器” 下拉菜单 -> 选择“添加本地解释器...”。
③ 在弹出的窗口左侧选择 “Conda”，右侧勾选 “选择现有” 环境。
④ 在 conda 的路径 一栏，填入你本地 Anaconda 安装目录下的 conda.exe 路径（例如 D:\Anaconda\Scripts\conda.exe）。
⑤ 在下方的 环境 下拉框中，选中我们刚才辛辛苦苦创建好的 pytorch 环境。
全部选好后，点击右下角的“确定”和“应用”。
现在，你的 PyCharm 已经完美连接上了包含 GPU 加速的 PyTorch 环境。新建一个 Python 脚本跑跑模型试试吧！