lesson02-PyTorch开发环境安装

一、开发环境

二、环境配置

三、安装成功后进行测试

四、PyTorch安装

四、配置PyCharm

import  torch

print(torch.__version__)
print('gpu:', torch.cuda.is_available())

是用来检查：

1. 当前安装的 PyTorch 版本
2. 是否可以使用 GPU（CUDA）

🧾 输出示例（你的环境可能类似）：

2.0.1+cpu
gpu: False

✅ 解释输出：

• 2.0.1+cpu：表示你安装的是 CPU-only 版本 的 PyTorch，不支持 GPU 加速。
• torch.cuda.is_available() 返回 False：说明当前系统中 没有可用的 CUDA 环境，即：
  • 没有 NVIDIA 显卡；
  • 或者没有安装显卡驱动；
  • 或者安装的是 CPU 版本的 PyTorch。

 ✅ 结合第一天的代码，如果没有cuda,就要切换为cpu。

# device = torch.device('cuda')
device = torch.device('cpu')  # 不要再使用 'cuda'

📌 总结

你现在处于一个 仅支持 CPU 的 PyTorch 环境，不能使用 .to('cuda') 或 GPU 加速功能。不过不用担心！

✅ 这对学习来说已经足够了：

• 所有张量运算、自动求导、模型训练都可以在 CPU 上正常运行；
• 只是速度会比 GPU 慢一些；
• 对于入门和小规模实验完全没问题。

🔁 如果你想切换到 GPU 环境：

你需要满足以下条件：

然后你可以通过如下命令安装支持 GPU 的 PyTorch（以 CUDA 11.8 为例）：

pip install torch --index-url https://download.pytorch.org/whl/cu118

如果你还有其他关于环境配置的问题，比如想跑某个项目但提示找不到 CUDA，也可以继续问我 😊 

🧠 小贴士：PyTorch CPU vs GPU 版本区别

🛠️ 推荐操作步骤：

1. 卸载当前的 PyTorch（GPU 版本）：        

pip uninstall torch torchvision torchaudio

1. 安装 CPU 版本（轻量、适合学习）：

pip install torch

1. 修改代码中所有 .to('cuda') 为 .to('cpu') 或直接删除这些行

2. 继续愉快地学习深度学习基础内容！

📝 补充建议

如果你将来换了有 NVIDIA 显卡的电脑，或者想升级到支持 GPU 的环境，可以再来问我如何配置 PyTorch + CUDA 环境 😊