准备开启 PyTorch 的学习旅程了吗？对于刚入门的新手来说，安装环境往往是第一道障碍。别担心，这份详细指南将手把手带你完成 PyTorch 安装，并避开常见的“坑”。实际上，整个过程远比你想象得简单。
PyTorch 安装指南（新手必看）
安装前的准备工作
在正式安装 PyTorch 之前，有两项基础准备工作必须做好，这能确保后续操作顺利无阻。
-
安装 Python 环境
PyTorch 要求 Python 版本在 3.6 及以上（Python 2 已不再支持）。请先检查你的电脑是否已安装符合条件的 Python。
检查方法：打开命令行工具（Windows 用户使用 CMD 或 PowerShell，Mac/Linux 用户使用终端），输入
python --version或python3 --version。如果显示的版本号高于 3.6，说明已满足要求。若尚未安装，请前往 Python 官网下载安装包。安装时，务必勾选“Add Python to PATH”选项，这样可以避免后续手动配置环境变量的麻烦。
-
选择包管理工具
强烈推荐使用 Anaconda。它不仅是 Python 发行版，更是一个强大的包与环境管理器，能帮你轻松管理项目依赖，避免版本冲突。对数据科学和机器学习新手而言，这几乎是必备工具。
从 Anaconda 官网下载适合你操作系统的安装包，安装过程中同样记得勾选“Add Anaconda to my PATH environment variable”（或类似选项）。
安装 PyTorch 框架
准备工作就绪后，现在可以正式安装 PyTorch 了。这里提供两种主流方式，你可以根据偏好选择。
方法一：使用 Anaconda（推荐）
- 打开 Anaconda Prompt（Windows）或终端（Mac/Linux）。这是执行 Conda 命令的正确环境。
-
创建虚拟环境（可选但强烈推荐）
这是一个极好的习惯。为 PyTorch 项目创建独立的虚拟环境，可以确保它的依赖库不影响电脑上其他 Python 项目。执行以下命令：
conda create -n pytorch_env python=3.8 # 创建名为 pytorch_env、Python 3.8 的环境 conda activate pytorch_env # 激活该环境后续所有操作都将在
pytorch_env环境内进行。 -
获取安装命令
这是最关键的一步。访问 PyTorch 官方安装页面，你会看到一个配置生成器。
- Package：选择 Conda（如果你用 Anaconda）或 Pip。
- Compute Platform：如果你的电脑没有 NVIDIA GPU，选择“CPU”；如果有，则根据显卡驱动选择对应的 CUDA 版本（需要提前安装 NVIDIA 驱动和 CUDA Toolkit）。
选择完成后，网站会生成对应的安装命令。例如，常见的 CPU 版本安装命令如下：
conda install pytorch torchvision torchaudio cpuonly -c pytorch将生成的命令复制，粘贴到 Anaconda Prompt 或终端中执行，等待安装完成即可。
方法二：使用 Pip
如果你更偏好轻量的 Pip，同样可行。在 PyTorch 官网配置生成器中选择“Pip”和你的平台，它会给出对应的 pip install 命令。例如：
pip install torch torchvision torchaudio在命令行中执行该命令即可。注意，使用 Pip 时，也建议在虚拟环境中操作，可以使用 Python 自带的 venv 模块创建虚拟环境。
不同平台的注意事项
- Windows 用户：安装过程中若遇到与 C++ 库相关的错误，可能需要安装“Microsoft Visual C++ Redistributable”，可从微软官网免费下载。
- Mac/Linux 用户：过程通常更简单，一般无需额外配置。Mac 用户请注意，PyTorch 对 Apple Silicon 芯片（M1/M2 等）的原生支持在较新版本中才完善，请确认官网命令是否包含
-c pytorch以外的-c conda-forge等特定渠道。
验证安装是否成功
安装完成后，务必验证一下。打开 Python 环境（如果使用了虚拟环境，请确保已激活），输入以下几行代码：
import torch
print(torch.__version__) # 查看已安装的 PyTorch 版本号
print(torch.cuda.is_a vailable()) # 输出 True 表示 GPU 可用，False 表示仅 CPU如果一切正常，你会看到类似下面的输出：
2.1.0 # 你的版本号可能不同
False # 如果安装的是 CPU 版本，这里就是 False看到版本号且没有报错，恭喜你，PyTorch 已成功安装！
常见问题与解决方案
新手安装时可能会遇到一些小波折，这里列举几个典型问题及其解决方法。
-
提示“conda/pip 不是内部或外部命令”
这通常意味着 Anaconda 或 Python 没有正确添加到系统环境变量 PATH 中。请检查安装步骤中是否勾选了“Add to PATH”选项，并尝试重启命令行工具或计算机。如果问题依旧，可能需要手动将安装路径添加到 PATH 中。
-
下载速度慢或安装失败
由于网络原因，从官方源下载可能很慢甚至超时。解决办法是更换为国内镜像源，速度会大幅提升。
对于 Conda，可以配置清华镜像源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes对于 Pip，可以在安装命令后指定镜像源：
pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple -
导入 torch 时报错
如果执行
import torch时出现错误，首先检查 Python 版本是否与 PyTorch 版本兼容（官网配置器会自动匹配好）。另一个常见原因是安装不完整或存在冲突，可以尝试先卸载再重新安装：conda uninstall pytorch torchvision torchaudio # 然后重新执行官网提供的安装命令
学习资源推荐
安装只是第一步，接下来就是深入学习了。这里有几个公认的优秀起点：
- 官方教程：PyTorch 官方文档的 Tutorials 部分是最权威的入门材料，系统且严谨。
- 经典书籍：《动手学深度学习》（Dive into Deep Learning）提供了 PyTorch 实现版本，理论与实践结合出色，非常适合新手。
- 实践项目：不要只看不练。从最简单的线性回归、MNIST 手写数字识别项目开始，亲手编写代码、运行模型，是巩固知识最快的方式。
现在，环境已经搭建完成，学习路径也已清晰。接下来，打开你的编辑器，开始探索深度学习的奇妙世界吧。
