【2026 最新】PyTorch 安装配置详细指南 同时讲解安装CPU和GPU版本 小白也能轻松上手！逐步带图超详细展示（Windows 版）

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 PyTorch？

PyTorch 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、macOS（Intel 或 Apple Silicon）、Linux（Ubuntu 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 MacBook（M1/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> python=<version>

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 python=3.10

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_name>

<env_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：

• CUDA（Compute 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。

• cuDNN（CUDA 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PyTorch）

4.2.1 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 --version

4.3 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> python=<version>

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 python=3.10

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_name>

<env_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-GPU

4.4.1 官方网站

官网：PyTorch

4.4.2 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/cu126

4.4.3 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 PyTorch

5.1 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。