一、写在前面

作为深度学习入门的必经之路，《动手学深度学习》是绕不开的经典教材，但它的 d2l 0.17.6 版本 对依赖库版本要求极其苛刻，稍不注意就会陷入版本冲突的 “地狱循环”。这篇博客记录了我从环境搭建到成功跑通第一个训练代码的全过程，把所有踩过的坑和对应的解决方法一次性整理清楚，帮你少走弯路。

二、环境基础配置

1. 核心环境

• Python 3.9（和 d2l 0.17.6 兼容性最好的版本）

• 虚拟环境：torch_gpu（推荐用 venv/conda 隔离环境，避免污染全局）

• 目标：跑通 d2l-zh 教材代码，使用 GPU 加速

2. 初始安装命令

先安装 GPU 版 PyTorch，再安装 d2l：

# 激活虚拟环境
conda activvate 环境名称

# 安装 GPU 版 PyTorch
pip install torch==2.2.2 torchvision==0.17.2 --index-url https://download.pytorch.org/whl/cu121

# 安装指定版本 d2l
pip install d2l==0.17.6 -i https://pypi.tuna.tsinghua.edu.cn/simple

三、版本冲突报错问题与合适的版本适配：

一键安装所有兼容版本的命令：

pip install d2l==0.17.6 jupyter==1.0.0 notebook==6.4.12 traitlets==5.4.0 requests==2.25.1 matplotlib==3.5.1 numpy==1.21.5 matplotlib-inline==0.1.6 -i https://pypi.tuna.tsinghua.edu.cn/simple

四、启动 Jupyter Notebook & 验证环境

1. 进入教材目录并启动：

# 进入 d2l-zh 教材文件夹，这里我在D盘
cd D:\Deeplearning\d2l-zh

# 启动 jupyter notebook
jupyter notebook

2.选择教材中的代码运行，没有报错则说明环境配置成功！

五、关于卸载 jupyterlab 的说明

很多同学会担心卸载 jupyterlab 有影响，这里明确说明：

1. 完全不影响核心功能：我们用的是传统 jupyter notebook，和 jupyterlab 是两套独立的界面，卸载后不影响打开、运行 .ipynb 文件。

2. 反而解决冲突：jupyterlab 的新版依赖会和老版 d2l 环境冲突，卸载后环境更干净稳定。

3. 后续可按需安装：如果未来想体验 jupyterlab，可以单独新建虚拟环境安装，不影响当前的学习环境。

六、维护避坑指南

1. 不要随意升级依赖库：d2l 0.17.6 是老版本，升级任何依赖都可能引发连锁冲突。

2. 优先用国内镜像源：安装库时加上 -i https://pypi.tuna.tsinghua.edu.cn/simple，避免下载慢或失败。

3. 虚拟环境隔离是关键：不要在全局 Python 环境安装，用 venv/conda 单独创建环境，避免影响其他项目。

4. 忽略非关键警告：pip 偶尔会弹出不影响核心功能的依赖警告，只要能正常运行代码，就不用过度纠结。

七、写在最后

版本兼容问题是深度学习入门的第一道坎，看似繁琐，其实只要找到 “核心依赖的指定版本”，所有问题都会迎刃而解。这篇博客整理的所有报错和解决方法，都是亲测有效的实战经验，希望能帮你快速搭建好环境，把精力集中在深度学习学习上，而不是和依赖冲突死磕。

如果你也在搭建 d2l 环境时遇到了其他奇怪的报错，欢迎在评论区留言，我会帮你一起解决！