本文章的前提是：

打开 setting

然后在 Project 的 Python Interpreter 中添加 Add Interpreter：

由于我们的 Python 安装在本地，即刚才查看的位置 选择 System Interprter ，选择刚才的位置（这里要找到你自己电脑下的 Python3 安装位置，我的事安装后直接默认就过来了）。

点击 OK。然后写点什么尝试一下：

现在基本环境已经搭建好了。

其实最简单的办法就是在刚才的 Python Interpreter 中点击小加号（请忽略我已经安装好了 numpy 和 pandas ） ：

进入以后搜索我们想要的第三方库即可，比如我想引入 matplotlib 库：

选择好以后点击下方 Install Package， 但是这种方法一般会很慢。其原因就在于，我们当前 PyCharm 的数据源来自于 Python 官方，是个国外的数据源，如果不会科学上网，将会很难（不过，当初在打开 http://python.org 的时候，如果不会科学上网，岂不是也很难受 ：）。所以，此时我们要多加一些第三方库的镜像源。

在 PyCharm 终端中，使用

pip3 install

命令即可安装某个第三方库。比如：

此时，查看 Python Interpreter 中发现已经安装成功：

现在，我们就要上深度学习框架 Pytorch 了。首先下载一个软件叫 Anaconda.

安装好官网上下载的 Anaconda 以后，在 launchpad 中应该就有 Anaconda Navigator 这个东西了。

接下来，在 Anaconda 中搭建一个虚拟环境，命令如下：

这段命令的意思是，创建一个环境名称叫 deeplearning 使用 python3.6 并且帮忙下载好 numpy 、matplotlib 、pandas 库，以及配置好写代码用的 jupyter notebook。

剩下执行就好了（遇到提问选 y，这个不用多说了吧）。

执行好了以后，我们打开 anaconda navigator ， 发现新配置的环境已经存在：

此后，在终端里激活 deeplearning 环境：

接下来，登陆 Pytorch 官网，选择自己对应的版本进行下载。在深度学习方面 Mac 的显卡基本没啥用，就直接 CPU 版本了。

复制下来安装命令，在 deeplearning 环境中执行：

安装完成以后，我们打开 jupyter notebook 验证一下，在 deeplearning 环境中输入命令：

创建一个文件，验证一下，发现没什么问题：

用上面我们讲过的方式，Add 一个 Interpreter， 这次用 Anaconda 的解释器，如下，选择我们创建好的 deeplearning 环境。

之后在代码中 import 一下 torch， 发现也没啥问题。

以上，我们利用 Pytorch 进行深度学习的环境已经搭建好啦！去撸代码！！