PyTorch零基础保姆级安装与测试教程AnacondaPyCharmGPU/CPU通用适配Windows✅ 适用人群深度学习零基础小白、学生、科研入门、AI实战开发者✅ 适配系统Windows10/Windows11 全系✅ 包含内容Anaconda安装配置、虚拟环境搭建、CUDA适配、PyTorch GPU/CPU双版本安装、环境验证、PyCharm工程配置、镜像加速、常见报错终极解决一、教程前言 amp; 安装原理说明很多新手安装PyTorch会出现版本不兼容、CUDA报错、环境冲突、导入失败等问题核心原因是直接在电脑全局Python环境安装框架导致多版本环境混乱。本教程采用Anaconda虚拟环境隔离方案为PyTorch单独创建独立纯净环境不污染电脑全局配置可随时创建、删除、切换环境是深度学习行业通用标准配置方式适配所有后续神经网络、深度学习实战项目。本次安装整体流程安装Anaconda → 配置国内镜像加速 → 创建专属虚拟环境 → 适配CUDA版本 → 安装PyTorch框架 → 环境有效性验证 → PyCharm项目绑定环境。二、安装前硬件amp;软件前置检查2.1 显卡GPU支持检查关键只有NVIDIA英伟达独立显卡支持GPU加速AMD显卡、核显仅能安装CPU版本。检查方法1、键盘按下WinR输入cmd打开命令提示符2、输入命令nvidia\-smi回车3、查看输出结果有显卡信息、显示CUDA Version版本支持GPU版本PyTorch安装提示“不是内部或外部命令”无NVIDIA显卡仅可安装CPU版本重点规则nvidia-smi显示的CUDA版本为最高支持版本安装PyTorch时选择等于或低于该版本即可不可高于该版本否则必然报错。2.2 软件准备必备软件Anaconda环境管理、PyCharm代码编辑器文末附全套安装包免费资源。三、Anaconda 完整安装与环境配置3.1 Anaconda安装步骤1、打开安装包双击启动安装程序2、安装路径建议纯英文路径、无中文、无空格、无特殊符号推荐安装在D盘避免占用C盘空间3、高级设置选项勾选Add Anaconda to my PATH environment variable自动配置环境变量新手必勾勾选 Register Anaconda as my default Python4、等待安装完成点击结束即可。3.2 配置清华镜像源解决安装慢、下载失败默认官方源下载速度极慢甚至超时失败必须配置国内清华镜像源大幅提升下载速度。1、打开Anaconda Prompt开始菜单搜索即可2、依次复制粘贴以下全部命令逐条回车执行conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config--setshow_channel_urlsyes3、输入以下命令查看镜像是否配置成功conda config --show-sources显示清华镜像地址即配置完成。四、创建PyTorch专属虚拟环境为PyTorch单独创建纯净环境避免与其他Python项目冲突这是稳定运行的核心。4.1 创建虚拟环境推荐Python版本3.9兼容性最强适配绝大多数PyTorch版本新手首选在Anaconda Prompt中输入命令conda create-npytorchpython3.9参数解释\-n pytorch创建名为pytorch的环境可自定义名称python3\.9指定环境Python版本为3.9出现提示Proceed \(\[y\]/n\)?输入y回车等待环境创建完成。4.2 激活/退出环境常用命令激活PyTorch环境每次使用前必须执行conda activate pytorch激活成功标志命令行前出现(pytorch)标识退出环境命令conda deactivate查看所有已创建环境condaenvlist五、PyTorch GPU/CPU版本详细安装确保当前处于(pytorch)激活环境中再执行安装命令。5.1 GPU版本安装有NVIDIA显卡推荐1、打开PyTorch官网https://pytorch.org/2、选择对应配置InstallPip/Conda、OSWindows、PackageConda、CUDA11.8通用稳定版本3、复制官方适配命令全网最稳定版本condainstallpytorch torchvision torchaudio pytorch-cuda11.8-cpytorch-cnvidia4、粘贴到Anaconda Prompt输入y确认安装等待所有依赖包安装完成出现done即为安装成功。5.2 CPU版本安装无独立显卡专用无NVIDIA显卡用户执行以下纯净CPU版本命令无需CUDA适配condainstallpytorch torchvision torchaudio cpuonly-cpytorch六、PyTorch安装成功终极验证必做很多人安装后直接写代码最后报错就是少了验证步骤严格执行以下代码验证环境可用性。1、在pytorch环境中输入python进入Python交互模式2、逐行输入以下验证代码importtorch# 查看PyTorch版本print(PyTorch版本,torch.__version__)# 查看CUDA是否可用GPU核心验证print(CUDA是否可用,torch.cuda.is_available())# 查看GPU设备数量print(GPU设备数量,torch.cuda.device_count())# 查看当前GPU设备名称print(当前GPU设备,torch.cuda.get_device_name(0))6.1 成功判定标准GPU版本输出True 显卡型号完全安装成功CPU版本版本号正常输出CUDA显示False属于正常现象验证完成后输入exit\(\)退出Python交互模式。七、PyCharm配置PyTorch虚拟环境项目实战必备安装完成后需要将PyCharm项目绑定专属pytorch环境否则会出现导入模块失败问题。7.1 绑定虚拟环境1、打开PyCharm新建/打开深度学习项目2、WindowsFile → Settings → Project → Python Interpreter3、点击右上角Add选择Conda Environment4、选择Existing environment自动识别刚才创建的pytorch环境5、路径选择anaconda3/envs/pytorch/python\.exe6、点击Apply → OK等待环境加载完成。7.2 项目最终测试在PyCharm新建py文件输入验证代码运行无报错、正常输出版本信息说明环境配置100%成功可正式开始深度学习实战。八、高频问题报错解决方案新手必看8.1 下载速度慢、超时失败原因未配置镜像源或镜像失效重新执行本文第三步镜像配置命令重启Anaconda Prompt重试。8.2 torch.cuda.is_available()返回FalseCUDA版本高于显卡支持最大版本降级PyTorch CUDA版本安装时选错CPU版本重新安装GPU版本未重启终端激活环境后重新验证8.3 PyCharm导入torch报错无模块未绑定对应虚拟环境重新按照第七步配置项目解释器选择pytorch专属环境。8.4 环境创建失败、路径报错检查Anaconda安装路径确保无中文、无空格、无特殊符号路径纯英文。九、教程总结1、深度学习首选Anaconda虚拟环境环境隔离稳定不冲突2、新手优先Python3.9CUDA11.8组合兼容性最强、踩坑最少3、安装后必须验证CUDA可用性确保GPU加速生效4、PyCharm必须绑定专属虚拟环境方可正常运行项目5、全程使用国内镜像彻底解决下载失败、速度卡顿问题。
PyTorch零基础保姆级安装与测试教程
PyTorch零基础保姆级安装与测试教程AnacondaPyCharmGPU/CPU通用适配Windows✅ 适用人群深度学习零基础小白、学生、科研入门、AI实战开发者✅ 适配系统Windows10/Windows11 全系✅ 包含内容Anaconda安装配置、虚拟环境搭建、CUDA适配、PyTorch GPU/CPU双版本安装、环境验证、PyCharm工程配置、镜像加速、常见报错终极解决一、教程前言 amp; 安装原理说明很多新手安装PyTorch会出现版本不兼容、CUDA报错、环境冲突、导入失败等问题核心原因是直接在电脑全局Python环境安装框架导致多版本环境混乱。本教程采用Anaconda虚拟环境隔离方案为PyTorch单独创建独立纯净环境不污染电脑全局配置可随时创建、删除、切换环境是深度学习行业通用标准配置方式适配所有后续神经网络、深度学习实战项目。本次安装整体流程安装Anaconda → 配置国内镜像加速 → 创建专属虚拟环境 → 适配CUDA版本 → 安装PyTorch框架 → 环境有效性验证 → PyCharm项目绑定环境。二、安装前硬件amp;软件前置检查2.1 显卡GPU支持检查关键只有NVIDIA英伟达独立显卡支持GPU加速AMD显卡、核显仅能安装CPU版本。检查方法1、键盘按下WinR输入cmd打开命令提示符2、输入命令nvidia\-smi回车3、查看输出结果有显卡信息、显示CUDA Version版本支持GPU版本PyTorch安装提示“不是内部或外部命令”无NVIDIA显卡仅可安装CPU版本重点规则nvidia-smi显示的CUDA版本为最高支持版本安装PyTorch时选择等于或低于该版本即可不可高于该版本否则必然报错。2.2 软件准备必备软件Anaconda环境管理、PyCharm代码编辑器文末附全套安装包免费资源。三、Anaconda 完整安装与环境配置3.1 Anaconda安装步骤1、打开安装包双击启动安装程序2、安装路径建议纯英文路径、无中文、无空格、无特殊符号推荐安装在D盘避免占用C盘空间3、高级设置选项勾选Add Anaconda to my PATH environment variable自动配置环境变量新手必勾勾选 Register Anaconda as my default Python4、等待安装完成点击结束即可。3.2 配置清华镜像源解决安装慢、下载失败默认官方源下载速度极慢甚至超时失败必须配置国内清华镜像源大幅提升下载速度。1、打开Anaconda Prompt开始菜单搜索即可2、依次复制粘贴以下全部命令逐条回车执行conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config--addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config--setshow_channel_urlsyes3、输入以下命令查看镜像是否配置成功conda config --show-sources显示清华镜像地址即配置完成。四、创建PyTorch专属虚拟环境为PyTorch单独创建纯净环境避免与其他Python项目冲突这是稳定运行的核心。4.1 创建虚拟环境推荐Python版本3.9兼容性最强适配绝大多数PyTorch版本新手首选在Anaconda Prompt中输入命令conda create-npytorchpython3.9参数解释\-n pytorch创建名为pytorch的环境可自定义名称python3\.9指定环境Python版本为3.9出现提示Proceed \(\[y\]/n\)?输入y回车等待环境创建完成。4.2 激活/退出环境常用命令激活PyTorch环境每次使用前必须执行conda activate pytorch激活成功标志命令行前出现(pytorch)标识退出环境命令conda deactivate查看所有已创建环境condaenvlist五、PyTorch GPU/CPU版本详细安装确保当前处于(pytorch)激活环境中再执行安装命令。5.1 GPU版本安装有NVIDIA显卡推荐1、打开PyTorch官网https://pytorch.org/2、选择对应配置InstallPip/Conda、OSWindows、PackageConda、CUDA11.8通用稳定版本3、复制官方适配命令全网最稳定版本condainstallpytorch torchvision torchaudio pytorch-cuda11.8-cpytorch-cnvidia4、粘贴到Anaconda Prompt输入y确认安装等待所有依赖包安装完成出现done即为安装成功。5.2 CPU版本安装无独立显卡专用无NVIDIA显卡用户执行以下纯净CPU版本命令无需CUDA适配condainstallpytorch torchvision torchaudio cpuonly-cpytorch六、PyTorch安装成功终极验证必做很多人安装后直接写代码最后报错就是少了验证步骤严格执行以下代码验证环境可用性。1、在pytorch环境中输入python进入Python交互模式2、逐行输入以下验证代码importtorch# 查看PyTorch版本print(PyTorch版本,torch.__version__)# 查看CUDA是否可用GPU核心验证print(CUDA是否可用,torch.cuda.is_available())# 查看GPU设备数量print(GPU设备数量,torch.cuda.device_count())# 查看当前GPU设备名称print(当前GPU设备,torch.cuda.get_device_name(0))6.1 成功判定标准GPU版本输出True 显卡型号完全安装成功CPU版本版本号正常输出CUDA显示False属于正常现象验证完成后输入exit\(\)退出Python交互模式。七、PyCharm配置PyTorch虚拟环境项目实战必备安装完成后需要将PyCharm项目绑定专属pytorch环境否则会出现导入模块失败问题。7.1 绑定虚拟环境1、打开PyCharm新建/打开深度学习项目2、WindowsFile → Settings → Project → Python Interpreter3、点击右上角Add选择Conda Environment4、选择Existing environment自动识别刚才创建的pytorch环境5、路径选择anaconda3/envs/pytorch/python\.exe6、点击Apply → OK等待环境加载完成。7.2 项目最终测试在PyCharm新建py文件输入验证代码运行无报错、正常输出版本信息说明环境配置100%成功可正式开始深度学习实战。八、高频问题报错解决方案新手必看8.1 下载速度慢、超时失败原因未配置镜像源或镜像失效重新执行本文第三步镜像配置命令重启Anaconda Prompt重试。8.2 torch.cuda.is_available()返回FalseCUDA版本高于显卡支持最大版本降级PyTorch CUDA版本安装时选错CPU版本重新安装GPU版本未重启终端激活环境后重新验证8.3 PyCharm导入torch报错无模块未绑定对应虚拟环境重新按照第七步配置项目解释器选择pytorch专属环境。8.4 环境创建失败、路径报错检查Anaconda安装路径确保无中文、无空格、无特殊符号路径纯英文。九、教程总结1、深度学习首选Anaconda虚拟环境环境隔离稳定不冲突2、新手优先Python3.9CUDA11.8组合兼容性最强、踩坑最少3、安装后必须验证CUDA可用性确保GPU加速生效4、PyCharm必须绑定专属虚拟环境方可正常运行项目5、全程使用国内镜像彻底解决下载失败、速度卡顿问题。
