笔记本是 RTX 4060，Python 版本是 3.13

装 PyTorch 没有那么顺利，折腾了一段时间，顺手记一下过程，以后自己忘了可以看看，也能帮别人省点事。

查看自己的环境

首先打开终端（CMD / PowerShell），输入：

nvidia-smi

我的结果是：

Driver Version: 560.94
CUDA Version: 12.6

注：这里的 CUDA 12.6 是驱动支持的版本上限，不是让去装 12.6 的 Toolkit。起初我就被这个误导了，去 conda 里找 pytorch-cuda=12.6，结果报错找不到包。

在 Conda 中新建环境

例如创建一个名为 torch_learn 的环境（这个名字可以随便改），这里也可以改成其它名称

创建完毕后激活环境

conda create -n torch_learn python=3.13 -y conda activate torch_learn

激活后，终端前面会变成类似这样：

(torch_learn) PS C:\...实际的一个目录...>

说明已经进入这个独立的环境了

在创建的环境中安装 PyTorch

按照官网的命令用 pip 装，在线尝试失败了，那就手动下载吧

1. 手动下载

手动下载地址：

https://download.pytorch.org/whl/cu126/torch-2.7.0%2Bcu126-cp313-cp313-win_amd64.whl

（文件有点大，2.6GB，建议挂个迅雷或者下载器）

2. 进入下载目录

下载好后，在终端中，进入环境后，需要先 cd 到下载目录下，再用 dir 查看目录下的内容。例如我下载在 E:\donloads。

cd E:\donloads dir

3. 安装 PyTorch

确认目录下有刚才下载的 .whl 文件后，执行下面的命令，安装 PyTorch

pip install torch-2.7.0+cu126-cp313-cp313-win_amd64.whl

4. 安装配套工具

注意版本要对齐，不然 pip 会自动给你降级 torch

pip install torchvision==0.22.0 torchaudio==2.7.0 --index-url https://download.pytorch.org/whl/cu126

验证

安装完毕后，在终端逐行执行：

python -c "import torch; print('Torch:', torch.__version__)" python -c "import torchvision; print('TorchVision:', torchvision.__version__)" python -c "import torchaudio; print('TorchAudio:', torchaudio.__version__)" python -c "import torch; print('CUDA:', torch.cuda.is_available())" python -c "import torch; print('GPU:', torch.cuda.get_device_name(0))"

验证是否安装成功，例如我这边输出如下，表明安装成功

Torch: 2.7.0+cu126

TorchVision: 0.22.0+cu126

TorchAudio: 2.7.0+cu126

CUDA: True

GPU: NVIDIA GeForce RTX 4060 Laptop GPU

或者在环境中新建 python 程序来验证，内容如下：

import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0))

例如我的输出如下，表明安装成功

2.7.0+cu126
True
NVIDIA GeForce RTX 4060 Laptop GPU

在 PyCharm 的 Jupyter Notebook 内核中配置刚装好的 PyTorch 环境

如果你在 PyCharm 里用 .ipynb，那么刚装好环境，跑 import torch 大概率还是会报错。还需要多一步：

1. 注册 Jupyter 内核

在终端激活 torch_learn 环境(刚才配的那个，注意替换名称)后，执行：

pip install ipykernel python -m ipykernel install --user --name torch_learn --display-name "Python 3.13 (torch_learn)"

这步相当于把 torch_learn注册成一个 Jupyter 内核，只需要做一次，之后就可以使用这个内核了

2. 在 PyCharm 中切换内核

接着，在 PyCharm 里打开 .ipynb 文件

首次运行单元格后，PyCharm 会自动启动它托管的 Jupyter Server（也可以手动点“启动”按钮），这时就可以在 Notebook 的右上角切换内核了，这里我们切换到刚刚注册的这个：

Python 3.13 (torch_learn)

这样 Notebook 里就能用上 GPU 了。

备份环境中用到的库

把环境导出备份一下，列出环境里所有的库及精确的版本号，以后重装环境就可以直接用了

导出环境中库的名称：

pip freeze > requirements.txt

若之后环境炸了，或者换电脑，要重装时执行：

conda create -n 创建的环境名 python=3.13 -y conda activate 创建的环境名 pip install -r requirements.txt

那么环境就能装回来了

注：requirements.txt 里的大部分库会在线安装；那个 2.6GB 的 PyTorch Wheel 如果在线下载不动，仍需按前面的方法手动下载后再安装。