先让 PyTorch 在 CPU 上算出两个 3。 回到上节的项目终端,确认 python 和 python -m pip 都指向项目。 核对项目环境
选和自己电脑匹配的安装命令
- 选 Stable → 自己的系统 → Pip → Python,核对支持的 Python 版本。Windows 和 Linux 先选 CPU。macOS 按页面提供的选项安装。 PyTorch 官方安装选择器
- 将生成命令开头的
pip或pip3换成python -m pip,其余参数保留。在当前项目终端运行。
跑一次张量计算
在项目文件夹里新建 verify_torch.py,复制下面的 Python 代码并保存。
# 导入当前解释器里的 PyTorch。import torch # 打印当前安装的库版本。print("PyTorch:", torch.__version__) # 在 CPU 创建全为 1 的张量。2 行、3 列,shape 是 (2, 3)。x = torch.ones(2, 3, device="cpu") # 把每行里的 3 个数相加。dim=1 沿列轴求和,(2, 3) 变成 (2,)。row_sums = x.sum(dim=1) # 输出输入形状与计算设备,预期显示 torch.Size([2, 3]) 和 cpu。print("Shape:", x.shape, "Device:", x.device) # 每一行有三个 1,因此结果是 [3.0, 3.0]。print("Row sums:", row_sums.tolist())回到项目终端,执行刚保存的文件。
# 执行验证文件,最后一行应是 Row sums: [3.0, 3.0]。python verify_torch.py小练习 把张量改成 3 行 2 列。再运行,应看到 shape 为 torch.Size([3, 2]),逐行和变成 [2.0, 2.0, 2.0]。
装好了还说找不到 torch?
- No module named torch。先用
python -m pip --version看路径。终端和编辑器要使用同一个项目解释器,再在这个环境安装。 - No matching distribution。回到官方选择器,核对 Python 版本、系统和芯片架构。有多个 Python 版本时,用兼容版本建立这个项目的 venv,再安装。 官方安装选择器
选做:以后怎样确认能用 GPU?
NVIDIA 环境用 torch.cuda.is_available(),Apple GPU 用 torch.backends.mps.is_available()。返回 True 表示该后端可用。检查张量的 device 能确认这次计算实际用的设备。 PyTorch 后端文档 · 计算卡与租赁平台