适合人群零基础、刚接触深度学习的新手一、前言为什么选择 PyTorchPyTorch 是由 Meta原 Facebook开发的开源深度学习框架因其简洁易用、动态图机制、强大的社区支持已成为学术界和工业界的主流选择之一。无论你是想入门深度学习、参加 Kaggle 比赛还是做科研项目PyTorch 都是一个绝佳的起点。但很多初学者在安装 PyTorch 时常常卡在环境配置、CUDA 驱动、版本兼容等问题上。别担心本文将手把手教你从零开始安装 PyTorch避开常见“坑点”让你快速跑通第一个神经网络二、准备工作2.1 需要下载安装Anaconda我的这篇文章写的很详细【2026 最新】下载安装 Anaconda 保姆级逐步详细教程 小白也能上手带图展示_anaconda下载-CSDN博客https://blog.csdn.net/2301_80035882/article/details/148155560?utm_source%20%20uc_fansmsg下载安装成功后再返回继续往下看2.2 确认你的系统环境操作系统Windows 10/11、macOSIntel 或 Apple Silicon、LinuxUbuntu 推荐是否使用 GPU如果你有 NVIDIA 显卡如 GTX 1650、RTX 3060、4090 等可以安装GPU 版本以加速训练因为PyTorch的GPU版本需要NVIDIA显卡来加速计算。如果没有独立显卡或使用 MacBookM1/M2/M3 芯片可安装CPU 版本Mac 用户也可启用 MPS 加速。提示不确定自己有没有 NVIDIA 显卡Windows按Win X→ 选“设备管理器”展开“显示适配器”选项查看下方列出的设备如果出现以 “NVIDIA” 开头的名称如NVIDIA GeForce RTX 4060说明你有 NVIDIA 显卡 ✅如果只有Intel或AMD Radeon Graphics注意不是 AMD 独立显卡而是 APU 核显则没有 NVIDIA 显卡macOS点击左上角苹果图标 → “关于本机” → “芯片”或“显卡”Windows 查看示例三、安装PyTorch-CPU版本无 N 卡在安装PyTorch之前为了管理不同项目的Python环境通常建议创建一个虚拟环境。虚拟环境可以帮助您隔离不同项目的依赖项避免不同项目之间的冲突。以下是创建虚拟环境的步骤3.1 创建虚拟环境3.1.1 打开终端在Windows上打开Anaconda Prompt在macOS和Linux上打开终端3.1.2 创建虚拟环境运行以下命令来创建一个新的虚拟环境。您可以将env_name替换为您喜欢的环境名称例如“pytorch”。conda create -n env_name pythonversion例如要创建一个名为 pytorch 的虚拟环境其中 Python 版本为3.10可以运行conda create -n pytorch python3.10等待下载过程有点慢下载完成出现下述输入 y如图所示下载完成3.1.3 激活虚拟环境运行以下命令来激活刚刚创建的虚拟环境。在Windows上使用activate命令在macOS和Linux上使用source命令。conda activate env_nameenv_name 为你刚才创建的虚拟环境例如刚才我的虚拟环境是叫pytorch所以运行conda activate pytorch激活虚拟环境后您将看到虚拟环境的命令提示符前缀显示为(env_name)。这意味着您现在正在使用该虚拟环境的Python解释器。3.2 安装PyTorch-CPU在激活的虚拟环境中使用pip安装PyTorch。根据您的需求选择安装CPU版本。例如网络不佳和必要的时候可以添加国内源pip install torch torchvision torchaudio安装成功后可以输入下述查看pip list四、安装PyTorch-GPU版本有 N 卡在安装PyTorch-GPU时需要有CUDA和CuDNN为什么呢原因如下CUDACompute Unified Device Architecture是 NVIDIA 推出的并行计算平台和编程模型它使开发者能够利用 GPU 的强大并行处理能力执行通用计算任务GPGPU而不仅限于图形渲染。PyTorch 通过集成 CUDA可将深度神经网络的训练与推理过程高效地卸载到 GPU 上显著加速计算。cuDNNCUDA Deep Neural Network library是 NVIDIA 为深度学习打造的高性能原语库基于 CUDA 构建针对卷积、池化、归一化、激活函数等深度神经网络中的关键操作提供了高度优化的前向和反向传播实现。PyTorch 在启用 cuDNN 后能够进一步提升模型在 NVIDIA GPU 上的运行效率与吞吐量。4.1 查看显卡驱动版本Win R - cmd 命令行终端输入nvidia-smi可以查看到版本为13.1这里需要记住版本后续需要用到注意对于现在的 PyTorch 并不需要再单独下载安装 CUDA它自带捆绑了 CUDA 。对于需要安装以前的 PyTorch 版本的再来看 4.2 安装 CUDA这一步对于大多数情况现在已经不需要了这里了解即可。大家可以直接跳转到 4.3 创建虚拟环境 4.4 安装 PyTorch-GPU。4.2 安装 CUDA了解即可适用较早版本的PyTorch4.2.1 开始下载官网CUDA Toolkit Archive | NVIDIA Developer由于我的显卡版本为13.1我只需要安装小于或者等于13.1.0都是可以的因此这里我安装13.1.0。这里大家根据自己电脑系统选择我的电脑是 Windows 11 x86_64等待上述下载完成。4.2.2 开始安装下载好后双击安装包进行安装可以安装在自定义的目录文件夹下。等待安装因为我的电脑里面没有安装 Visual Studio 2022所以显示下述不影响直接下一步即可。对于有 Visual Studio 2022 画面可能与我的不同都直接下一步即可。4.2.3 验证安装查看是否安装成功在Win R 输入 cmd 回车后命令行输入以下指令进行检查出现以下类似的输出就证明安装成功。nvcc --version4.3 创建虚拟环境4.3.1 打开终端在Windows上打开Anaconda Prompt在macOS和Linux上打开终端4.3.2 创建虚拟环境运行以下命令来创建一个新的虚拟环境。您可以将env_name替换为您喜欢的环境名称例如“pytorch”。conda create -n env_name pythonversion例如要创建一个名为 pytorch 的虚拟环境其中 Python 版本为3.10可以运行conda create -n pytorch python3.10等待下载过程有点慢耐心等待下载完成出现下述输入 y如图所示下载完成4.3.3 激活虚拟环境运行以下命令来激活刚刚创建的虚拟环境。在Windows上使用activate命令在macOS和Linux上使用source命令。conda activate env_nameenv_name 为你刚才创建的虚拟环境例如刚才我的虚拟环境是叫pytorch所以运行conda activate pytorch激活虚拟环境后您将看到虚拟环境的命令提示符前缀显示为(env_name)。这意味着您现在正在使用该虚拟环境的Python解释器。4.4 安装PyTorch-GPU4.4.1 官方网站官网PyTorch4.4.2 历史版本如果想要下载以往版本的可以在这里搜索历史版本地址Previous PyTorch Versions也可以从官网找到历史版本由于我在4.1 查看显卡驱动版本步骤时验证的我的显卡版本为13.1所以我只需要安装小于或者等于13.1都是可以的这里我安装稳定的12.6版本。大家根据自己电脑的N卡驱动版本选择小于等于它的版本即可。同时因为我刚才虚拟环境为Python 3.10这里我的选择如下如果大家的电脑显卡驱动类似的可以按照我的下述选择进行安装pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu1264.4.3 开始安装在上述激活的虚拟环境中粘贴下述指令如下图所示安装成功4.4.4 如何验证紧接上述命令行先输入python点击Enter后继续粘贴下述命令import torch print(torch.__version__) print(torch.cuda.is_available())第一行会显示PyTorch版本第二行如果显示True说明PyTorch可以使用GPU了如果显示False但你确实有N卡可能需要检查一下CUDA配置。五、PyCharm 中使用 PyTorch5.1 新建项目5.2 等待加载5.3 验证运行将代码粘贴到下述图片中import torch print(torch.__version__) print(torch.cuda.is_available())出现上述运行结果则配置成功。