零踩坑指南：Windows下从零搭建PyTorch开发环境（Anaconda+VSCode实战）

weixin_33744141

234人浏览 · 2026-05-16 06:23:27

weixin_33744141 · 2026-05-16 06:23:27 发布

1. 为什么选择Anaconda+VSCode组合？

刚接触深度学习的新手最头疼的就是环境配置。我见过太多同学在安装环节浪费好几天时间，最后连"Hello World"都跑不起来。经过多次踩坑后，我发现Anaconda+VSCode这对组合特别适合初学者，原因有三：

首先，Anaconda能完美解决Python版本冲突问题。深度学习项目经常需要切换不同版本的库，比如PyTorch 1.8和2.0的API就有差异。通过conda创建独立环境，就像给每个项目准备专属的"沙盒"，互不干扰。我去年复现一篇论文时，就曾因为没做环境隔离导致已有项目崩溃，血的教训啊！

其次，VSCode是轻量级编辑器中的全能选手。相比PyCharm等专业IDE，它启动更快、资源占用更低，对电脑配置要求也更友好。我的旧笔记本（i5-8250U+8GB内存）同时开浏览器查资料、VSCode写代码、Jupyter看结果都不卡顿。更别说它还支持远程开发，以后连接服务器做训练也方便。

最后，这个组合对国内用户特别友好。Anaconda可以用清华镜像加速下载，VSCode的扩展市场也能正常访问。不像某些工具需要折腾代理，新手跟着教程一步步操作就能搞定。下面我就用最详细的手把手教学，带大家避开所有常见坑点。

2. 准备工作：这些细节决定成败

2.1 硬件与系统要求

虽然PyTorch支持CPU运行，但建议至少满足：

内存：8GB以上（实测6GB跑MNIST数据集就会频繁卡顿）
磁盘空间：Anaconda安装需要3GB，后续环境还会占用更多空间
操作系统：Windows 10/11 64位（32位系统无法运行最新PyTorch）

注意：如果电脑有NVIDIA显卡，建议先别急着装CUDA。本文专注CPU环境搭建，显卡配置涉及驱动版本匹配等复杂问题，新手容易翻车。

2.2 必备软件下载

Anaconda：推荐下载2023.03以后的版本，自带Python 3.9+
清华镜像站下载速度更快
VSCode：务必选择User Installer版本
官网下载注意避开System Installer（需要管理员权限）

我特意测试过不同版本组合：

Anaconda 2022.10 + Python 3.8：部分新库兼容性警告
Anaconda 2023.07 + Python 3.11：某些老项目运行报错最终确定Anaconda 2023.03 + Python 3.9是最平衡的选择。

3. 安装Anaconda：这些选项千万别选错

3.1 安装过程中的关键选择

双击安装包后，你会看到这几个容易出错的界面：

安装类型：一定选"Just Me"（除非你是系统管理员）
安装路径：建议改成非系统盘（如D:\Anaconda3）
我C盘被Anaconda占满后，曾不得不重装整个环境
高级选项：两个勾都不要选！
- "Add to PATH"可能引发其他Python程序冲突
- "Register as default Python"会导致conda命令失效

3.2 验证安装是否成功

安装完成后：

按Win键搜索"Anaconda Prompt"
输入以下命令检查版本：
```
conda --version
python --version
```

正常应该显示类似：

conda 23.3.1
Python 3.9.16

如果报错"conda不是内部命令"，说明安装时勾选了错误选项。解决办法：

卸载Anaconda
重新安装时取消所有高级选项
手动将Anaconda安装目录下的Scripts文件夹添加到系统PATH

4. 配置PyTorch环境：国内镜像加速秘籍

4.1 创建专属环境

在Anaconda Prompt执行：

conda create -n pytorch_env python=3.9

这里有几个经验之谈：

环境名不要用中文或特殊字符
Python版本建议与基础环境一致
安装包时如果卡住，按Ctrl+C中断后重试

4.2 换源加速安装

执行以下命令使用清华镜像（逐行输入）：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

验证是否生效：

conda config --show channels

应该看到清华镜像源排在顶部。

4.3 安装CPU版PyTorch

激活环境后输入：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

这里有个坑：官网提供的命令末尾有-c pytorch，这会导致从官方源下载！去掉它才会用清华源。

安装完成后验证：

import torch
print(torch.__version__)  # 应显示如1.13.1
print(torch.cuda.is_available())  # 应为False（我们装的是CPU版）

5. VSCode终极配置：从编辑器到IDE

5.1 必装扩展清单

Python（微软官方）：提供智能补全、调试支持
Pylance：比默认语言服务器更强大
Jupyter：直接运行.ipynb文件
Chinese：中文界面（可选）

安装技巧：点击扩展图标，搜索时勾选"显示热门扩展"，避免安装山寨插件。

5.2 关键配置项

打开设置（Ctrl+,），修改：

{
  "python.linting.enabled": true,
  "python.linting.pylintEnabled": false,
  "python.linting.flake8Enabled": true,
  "python.formatting.provider": "autopep8"
}

这组配置能帮你捕捉常见语法错误，比如忘记import库、缩进错误等。

5.3 环境切换技巧

点击底部状态栏的Python版本，可以选择conda环境：
环境切换截图

常见问题：如果找不到conda环境，尝试：

重启VSCode
在终端执行conda activate pytorch_env
检查VSCode使用的终端类型（推荐用PowerShell）

6. 避坑指南：我踩过的那些坑

6.1 环境变量冲突

症状：conda命令无效或报错"DLL load failed"
解决方法：

检查PATH中是否有多个Python路径
删除其他Python安装的PATH项
重启终端

6.2 安装包时SSL报错

症状：CondaHTTPError或SSLError
解决方案（任选其一）：

conda config --set ssl_verify false
# 或者
conda config --set ssl_verify C:\path\to\your\cert.pem

6.3 环境激活失败

如果出现：

CommandNotFoundError: Your shell has not been properly configured...

尝试：

conda init powershell  # 或cmd

然后关闭重新打开终端。

7. 验证环境：你的第一个PyTorch程序

新建test.py，输入：

import torch

x = torch.rand(3, 3)
print(f"随机矩阵:\n{x}")
print(f"矩阵形状: {x.shape}")
print(f"设备类型: {x.device}")  # 应该显示'cpu'

按F5运行，如果看到类似输出就成功了：

随机矩阵:
tensor([[0.1234, 0.5678, 0.9012],
        [0.3456, 0.7890, 0.1234],
        [0.5678, 0.9012, 0.3456]])
矩阵形状: torch.Size([3, 3])
设备类型: cpu

建议进一步测试：

尝试矩阵乘法torch.matmul(x, x.T)
用torch.nn.Linear创建简单神经网络
加载MNIST数据集（需要先安装torchvision）

8. 进阶技巧：让开发更高效

8.1 Jupyter Notebook集成

在VSCode中：

新建.ipynb文件
选择pytorch_env内核
直接运行代码块

相比浏览器版Jupyter的优势：

可以直接用VSCode的代码补全
方便版本控制（.ipynb文件可提交到Git）
支持调试功能

8.2 代码片段管理

创建常用代码片段：

文件 > 首选项 > 用户片段
选择python.json
添加如：

"PyTorch Model Template": {
  "prefix": "pytorch_model",
  "body": [
    "import torch.nn as nn",
    "",
    "class MyModel(nn.Module):",
    "    def __init__(self):",
    "        super().__init__()",
    "        $1",
    "",
    "    def forward(self, x):",
    "        return x"
  ]
}

输入pytorch_model就能快速生成模型模板。