前言：

jupyter只需安装一个即可。用conda（不管是Anaconda还是Miniconda）一般会创建多个虚拟环境，这些环境中的python版本以及各种库的配置和版本也都是不一样的，此时我们希望jupyter能为每个虚拟环境单独处理！

下面从用conda安装虚拟环境开始，以pytorch的安装作为测试。下面都是Miniconda下进行的。

1. 用conda安装虚拟环境（名为：pytorch_gpu）

初始：从Anaconda Prompt中打开cmd，此时显示的初始conda环境为（base）环境！

创建命令：conda create -n pytorch_gpu
效果：创建的名为pytorch_gpu的虚拟环境会在暗转的Miniconda下的envs文件夹中！

2. 激活/安包/退出虚拟环境

激活命令：conda activate pytorch_gpu
效果：环境从（base）变为（pytorch_gpu）；说明已经进入成功；

安装命令：conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch
效果：把pip、numpy、cudatoolkit、pywin32都一并安好
进一步安装命令：

• conda install xxx —— 安装非python的库
• pip install xxx —— 安装python的库

退出命令：conda deactivate
效果： 环境从（pytorch_gpu）变回（base）；说明已经退出成功；
注：退出命令不需要后面跟“虚拟环境名”，因此此时已经在环境内了。

3. 在jupyter中创建对应的虚拟环境：都在（激活了）虚拟环境中进行

（1）安装必备的包：pip install ipykernel

（2）为虚拟环境创建kernel文件：conda install -n 环境名称 ipykernel

• 例如：conda install -n pytorch_gpu ipykernel
• 效果：生成到 C:\Users\lenovo\AppData\Roaming\jupyter\kernels\pytorch_gpu

（3）在jupyter中激活这个kernel文件：python -m ipykernel install --user --name 环境名称 --display-name '显示的名称'

• 例如：python -m ipykernel install --user --name pytorch_gpu --display-name 'pytorch_gpu'
• 效果：用jupyter notebook打开后发现：点击new创建新文件时会出现 'pytorch_gpu' 环境！

（4）验证是否创建对了：主要查看python的版本号 + 特殊的库

• 验证python版本号：import sys; sys.verison —— 直接打印安装时间 + 版本号
• 验证其他的库的版本号同理。

4. 验证虚拟环境中的PyTorch是否安装成功

注：创建好jupyter notebook的 'pytorch_gpu' 虚拟环境后，可以在任何地址处创建.ipynb文件！ 即 '虚拟环境的创建位置' 与 '相应的.ipynb文件的创建位置' 是不一样的！

一系列验证命令：

• import torch —— 导入
• torch.__version__ —— 查看版本号：不带cpu字样的就是gpu版本
• torch.cuda.is_available() —— cuda是否安装成功
• torch.cuda.device_count() —— 当前可用的gpu设备个数
• torch.cuda.current_device() —— 返回当前gpu设备的索引号（一个数）
• torch.cuda.get_device_name(索引号) —— 返回设备索引号对应的设备名
• torch.randn(4,4) —— 随机生成一个(4,4)的矩阵张量