Pytorch入门1-环境准备

第一节：准备工作

一、基础环境

Anaconda中内置了许多的库，很多库都是比较老的，可能也是我们不需要的，为了保持一个干净的Python环境，这里我们使用MiniConda来作为本套课程的Python解释器。下载地址为：https://www.anaconda.com/download/success，安装过程这里不再赘述，尽量选择一个不那么深的路径安装即可，在安装完后，将以下三个路径添加到环境变量中（这里以我的安装路径C:\Software\Miniconda3为例）：

# 根路径  
C:\\Software\\Miniconda3  
# Scripts路径  
C:\\Software\\Miniconda3\\Scripts  
# bin路径  
C:\\Software\\Miniconda3\\Library\\bin  

接着，执行以下命令创建一个虚拟环境：

# 使用3.12的环境，因为后续有些包暂不支持3.13  
$ conda create -n torch-env python=3.12  

conda管理虚拟环境的常用命令如下：

# 查看所有的虚拟环境  
$ conda env list  

# 删除虚拟环境  
$ conda env remove -n [虚拟环境名称]  

# 进入虚拟环境  
# 首次运行要执行：conda init  
$ conda activate [虚拟环境名称]  

# 退出虚拟环境  
$ conda deactivate  

二、安装相关包

在学习PyTorch时，我们需要涉及到一些其他机器学习的包，先提前安装好，建议大家安装的版本号和课程保持一致。在安装包之前，先通过以下命令进入到虚拟环境：

$ conda activate torch-env  

默认情况下，在安装包的时候，会从Python官网上下载，而Python官方服务器是在国外，那么会下载比较慢甚至超时，那么可以设置一下pip源，设置方法可以参考：https://www.cnblogs.com/ZhangRuoXu/p/6370107.html

1numpy

安装命令：pip install numpy==2.3.2

2pandas

安装命令：pip install pandas==2.3.1

3matplotlib

安装命令：pip install matplotlib==3.10.3

4seaborn

安装命令：pip install seaborn==0.13.2

5scikit-learn

安装命令：pip install scikit-learn==1.7.1

6jupyter notebook

安装命令：pip install jupyter==1.1.1

7一行命令

pip install numpy==2.3.2 pandas==2.3.1 matplotlib==3.10.3 seaborn==0.13.2 scikit-learn==1.7.1 jupyter==1.1.1  

三、PyTorch介绍

PyTorch 是一个由 Facebook（现 Meta）人工智能研究团队主导开发的开源 Python 机器学习库。它源于早期的 Torch 库（一个采用 Lua 语言、支持科学计算和机器学习的框架），但将其核心功能移植到了更主流的 Python 语言生态中，其底层核心则使用高效的 C++ 实现。
PyTorch 专为 人工智能（AI） 领域设计，尤其在 计算机视觉（CV） 和 自然语言处理（NLP） 等前沿方向应用广泛且表现卓越。其核心吸引力主要来源于两大关键特性：
1强大的张量计算： PyTorch 提供了与 NumPy 高度相似的、功能丰富的张量（Tensor） 操作接口，使得处理多维数组数据非常直观。但与 NumPy 最大的不同在于，PyTorch 的张量计算能够无缝地利用 GPU（图形处理器） 或苹果的 MPS（Metal Performance Shaders） 等硬件加速器，从而获得远超 CPU 的计算速度，这对于训练大规模深度学习模型至关重要。
2动态图与自动微分： PyTorch 的核心优势在于其 基于动态计算图的深度神经网络构建方式 以及内置的 自动微分系统（Autograd）。这意味着开发者可以像编写普通 Python 代码一样灵活地定义和修改神经网络结构（“Define-by-Run” 模式），系统会自动跟踪计算过程并计算梯度，极大简化了模型训练中复杂的反向传播求导工作。
得益于其 Pythonic 的 API 设计、直观的调试体验、灵活的模型构建能力以及强大的生态系统，PyTorch 不仅成为工业界部署 AI 解决方案的重要工具，更是学术界进行前沿人工智能研究与开发的首选框架之一。
与另外一个深度学习框架TensorFlow比起来，PyTorch学习曲线更低，接口适应性更好，是现在做深度学习的首选框架。

四、安装PyTorch

PyTorch分为CPU和GPU两个版本，安装CPU版本命令如下：

$ pip install torch torchvision torchaudio  

GPU版本的安装方式如下。如果是Mac电脑，不需要看以下内容，只需要通过以上命令即可安装GPU版本的PyTorch。

1CUDA软件安装

CUDA（Compute Unified Device Architecture）是NVIDIA公司开发的并行计算平台和编程平台，通过CUDA可以非常方便的操作底层的GPU。

1.1查看支持的CUDA版本

CUDA目前最新版是13.0.1，但是并不是所有计算机都支持，有的可能支持的最高的CUDA版本是12.8，有的可能是11.8，所以需要先查看自己电脑支持的最高CUDA版本。可以通过以下两种方式查看：
●通过命令：在终端输入nvidia-smi即可查看。

我的电脑支持的最高CUDA版本是12.7，那么我后面下载CUDA的时，只能选择低于12.7以下的版本。
●通过界面：NVIDIA控制面板->系统信息->组件->NVCUDA64.DLL，即可查看支持的CUDA最高版本。

可以看到我的电脑支持的最高CUDA版本是12.7.33。

1.2下载CUDA

然后在：https://developer.nvidia.com/cuda-toolkit-archive，找到符合要求的CUDA软件，点击下载进行安装即可。比如我电脑支持的最高CUDA版本是12.7，那么我可以下载12.6.3版本的CUDA。

然后点击后，根据操作系统进行选择，选择后点击下载即可。

1.3安装CUDA

双击安装软件，安装路径和选项保持默认即可。
安装完后，重新打开终端后输入：nvcc –version后，出现以下界面：

说明已经安装成功。

2选择PyTorch

首先进入到这个页面：https://pytorch.org/get-started/locally/，然后选择自己的操作系统版本，以及CUDA软件的版本等信息，就会出现合适要求的安装命令。

比如我这里是：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126，把这个命令粘贴到终端，安装即可。如果下载速度太慢了，也可以使用清华大学的镜像源：pip install torch torchvision torchaudio -i [https://mirrors.nju.edu.cn/pytorch/whl](https://mirrors.nju.edu.cn/pytorch/whl)/cu126

3验证安装

打开cmd终端：

# 进入虚拟环境  
$ conda activate torch-env 

# 进入python环境  
$ python  
(ai-env) C:\\Users\\hynev>python  
Python 3.13.5 (tags/v3.13.5:6cb20a2, Jun 11 2025, 16:15:46) [MSC v.1943 64 bit (AMD64)] on win32  
Type "help", "copyright", "credits" or "license" for more information.  
\>>>  
# 验证torch  
\>>> import torch  
\>>> print(torch.__version__)  
# 查看cuda版本  
\>>> print(torch.version.cuda)  
# 查看是否能用GPU  
\>>> print(torch.cuda.is_available())  

五、安装PyCharm

PyCharm是一款强大的Python IDE工具，下载页面为：https://www.jetbrains.com/zh-cn/pycharm/download/