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（Anaconda+PyCharm，GPU/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 & 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&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Win+R，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 Python
4、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-npytorchpython=3.9参数解释：
\-n pytorch：创建名为pytorch的环境（可自定义名称）python=3\.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：Install=Pip/Conda、OS=Windows、Package=Conda、CUDA=11.8（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-cuda=11.8-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、Windows：File → Settings → Project → Python Interpreter
3、点击右上角Add，选择Conda Environment
4、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\.exe
6、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False
CUDA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Python3.9+CUDA11.8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。