PyTorch新手安装指南：2024年最全步骤详解与避坑清单

2026-05-18阅读 0热度 0

人工智能 Python 深度学习机器学习 PyTorch

启动你的PyTorch项目，第一步是搭建一个稳定可靠的环境。这份指南将为你提供一套清晰的安装流程，并预先解决可能遇到的典型问题，确保你的开发环境一次配置成功。

PyTorch安装教程（适合新手）

安装前准备

在安装PyTorch之前，完成以下两项基础配置至关重要，它能从根本上避免后续的依赖冲突和环境问题。

安装Python

PyTorch要求Python 3.6及以上版本。首先，你需要确认系统当前的Python版本。

检查方法：打开终端（Windows使用CMD或PowerShell，Mac/Linux使用Terminal），输入 python --version 或 python3 --version。若返回版本号大于3.6，则满足条件。

若未安装，请前往Python官方网站下载安装程序。安装过程中，务必勾选“Add Python to PATH”选项，以便系统全局调用Python解释器。
选择包管理工具

我们强烈建议使用Anaconda。它不仅是一个Python发行版，更是一个集成的包管理与虚拟环境工具，能高效解决机器学习项目中复杂的库依赖和版本隔离问题，是数据科学领域的行业标准。

从Anaconda官网下载对应操作系统的安装包。安装时，同样建议勾选“Add Anaconda to my PATH environment variable”选项。

安装PyTorch

基础环境就绪后，你可以通过以下两种主流方式安装PyTorch核心库。

方法一：使用Anaconda（推荐）

启动Anaconda Prompt（Windows）或终端（Mac/Linux）。这是执行Conda命令的标准环境。
创建虚拟环境（可选但推荐）

为每个项目创建独立的虚拟环境是专业开发的最佳实践。它能确保项目依赖互不干扰。执行以下命令：
```
conda create -n pytorch_env python=3.8  # 创建名为pytorch_env、Python版本为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这个隔离环境中进行。
获取并执行安装命令

访问 PyTorch官网，使用其配置生成器获取精确命令。
- Package：选择 Conda（若使用Anaconda）或 Pip。
- Compute Platform：若无NVIDIA GPU，选择“CPU”。若有，则根据已安装的显卡驱动和CUDA Toolkit选择对应CUDA版本。
配置完成后，网站会生成对应的安装命令。例如，一个标准的CPU版本安装命令如下：
```
conda install pytorch torchvision torchaudio cpuonly -c pytorch
```
复制生成的命令，粘贴到你的Anaconda Prompt或终端中执行，等待安装完成。

方法二：使用Pip

如果你倾向于使用轻量化的Pip，同样可以通过官网配置生成器获取命令。例如，一个典型的Pip安装命令为：

pip install torch torchvision torchaudio

在命令行中执行该命令。使用Pip时，同样建议在虚拟环境中操作，可使用Python内置的venv模块创建。

分平台注意事项

Windows用户：若安装过程中出现C++运行时库错误，可能需要安装“Microsoft Visual C++ Redistributable”，可从微软官网获取。
Mac/Linux用户：安装过程通常更为顺畅。Mac用户需注意，对于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以外的特定渠道（如-c conda-forge）。

验证安装

安装完成后，必须进行验证以确保环境配置正确。在已激活的Python环境中，运行以下代码：

import torch
print(torch.__version__)          # 输出已安装的PyTorch版本
print(torch.cuda.is_available())  # 输出True表示GPU可用，False表示仅CPU模式

若安装成功，你将看到类似输出：

2.1.0        # 你的实际版本号可能不同
False        # 若安装的是CPU版本，此处为False

成功输出版本号且无任何错误信息，即表明PyTorch环境已准备就绪。

常见问题

初次安装可能遇到一些障碍，以下是典型问题及其解决方案。

提示“conda/pip不是内部或外部命令”

这通常是由于Anaconda或Python未正确添加到系统PATH环境变量。请回顾安装步骤，确认勾选了“Add to PATH”选项，并尝试重启终端或计算机。若问题依旧，需手动将安装目录路径添加至系统PATH。

下载速度慢或安装失败

从默认源下载可能因网络问题导致速度缓慢或超时。更换为国内镜像源可显著提升速度。

对于Conda，可配置清华镜像源：

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，可在安装命令中指定镜像源：

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

导入torch时报错

若执行import torch时出现错误，首先检查Python版本与PyTorch版本是否兼容（官网配置器通常已做好匹配）。另一个常见原因是安装不完整或存在库冲突，可尝试彻底卸载后重新安装：
```
conda uninstall pytorch torchvision torchaudio
# 随后重新执行官网提供的安装命令
```

学习资源推荐

环境搭建完成后，以下资源将帮助你高效入门深度学习与PyTorch：

官方教程：PyTorch官方文档中的Tutorials部分是最权威、最系统的学习起点，涵盖了从基础到进阶的各个模块。
经典书籍：《动手学深度学习》（Dive into Deep Learning）提供了完整的PyTorch实现，将理论概念与代码实践紧密结合，非常适合初学者构建知识体系。
实践项目：立即动手是巩固知识的最佳方式。从基础的线性回归、MNIST手写数字识别等项目开始，通过编码和模型训练深化理解。

至此，你的PyTorch开发环境已成功部署。现在，可以启动代码编辑器，开始构建你的第一个深度学习模型了。