作为深度学习入门的第一道门槛，环境搭建总能让新手头疼不已——CUDA版本不匹配、PyTorch下载超时、库版本冲突、手动安装踩坑… 我刚经历完从“跟着老师手动操作”到“掌握高效方法”的全过程，这篇博客就把最实用的搭建流程、避坑技巧整理出来，帮你少走弯路，一步到位搞定环境！

一、介绍

• CUDA：NVIDIA显卡专属的“加速引擎”，相当于CPU和GPU之间的“沟通桥梁”。没有它，PyTorch只能用CPU慢算，有了它才能调用GPU的海量核心实现高速计算（无NVIDIA显卡可跳过，直接装CPU版本）；

• torch（PyTorch核心）：深度学习的“核心框架”，提供张量计算、自动微分、神经网络构建等基础功能，是整个工具链的“底座”；

• torchvision：PyTorch的“计算机视觉工具箱”，专门用于图像分类、目标检测等任务，内置数据预处理工具、经典数据集（如MNIST）和预训练模型（如ResNet）；

• torchaudio：PyTorch的“音频处理工具箱”，适用于语音识别、声纹识别等任务，功能和torchvision类似，只是专注于音频领域。

二、安装CUDA（仅NVIDIA显卡用户）

CUDA是GPU加速的前提，安装前一定要先确认自己显卡支持的版本，避免装错！

1. 查看显卡支持的CUDA版本

win+r打开命令行窗口，输入nvidia-smi查看显卡驱动支持的cuda版本：

这里我会更新了显卡驱动使得最高适配12.9的版本，向下兼容。

2. 下载并安装CUDA

① 进入CUDA Toolkit Archive（历史版本库），选择和显卡匹配的版本（比如CUDA 12.1）；

② 按自己的系统选择参数（Windows/Linux、64位），下载安装包；

③安装：选择自定义安装，取消选项 Visual Integration 

      如果计算机上已经安装了与 CUDA 版本相兼容的 Visual Studio Integration 文件，或者通过其他方式（如单独安装 Visual Studio 的插件）已经集成了 CUDA 支持，那么在安装 CUDA 时勾选 “Visual Studio Integration” 可能会导致冲突或重复安装，进而引发问题。

安装位置选择默认，防止出现问题。

④检查环境变量:

三、安装PyTorch全家桶（核心步骤）

我安装的版本：

方案一：官网一键指令（有网环境首选）

这种方式能自动匹配版本、自动解决依赖，是99%用户的最优选择：

1. 生成官网基础指令：打开PyTorch官网，按自己的环境选择参数： 选择完成后，官网会自动生成对应的安装指令，类似这样：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

   1. PyTorch Build：Stable（稳定版，新手首选）；

   2. OS：根据自己的系统选择（Windows/Linux/Mac）；

   3. Package：Pip（简单易操作）；

   4. Language：Python；

   5. Compute Platform：选择之前安装的CUDA版本（比如CUDA 12.1）。

将命令中的版本改成我们需要的，然后在命令行中执行即可：

pip install torch==1.13.0+cu117 torchvision==0.14.0+cu117 torchaudio==0.13.0 --extra-index-url https://download.pytorch.org/whl/cu117

国内镜像站没有这些版本，因此这个方法直接使用官网（服务器在国外）资源下载，速度很慢。而且我们要下载的库内存比较大，网络少有波动就会下载失败。

方案二：手动下载.whl离线安装（无网/网络受限场景）

这种方法适合网络不好的情况，核心是“找对匹配版本的.whl文件（库的安装文件）”：

1、 我们直接进入官网pip指令后面的第三方库仓库网址：https://download.pytorch.org/whl/cu126

2、进入torch，CTRL+F搜索我们需要的版本，比如我们先安装torch1.13.0+cu117

我们可以使用迅雷加速下载，怎么快怎么来。

3、安装完成后我们在命令行中pip install后面加上下载的whl文件地址进行安装即可。

4、torchaudio和torchvision同样的办法安装即可。

四、安装成功验证

命令行输入pip list 显示：

五、避坑指南

• 版本匹配是核心：torch和torchvision、torchaudio版本必须严格对应（比如torch 1.13.0对应torchvision 0.14.0），CUDA版本要和PyTorch的+cuxx后缀匹配（比如CUDA 11.7对应+cu117），+cu表示gpu版本：

• 卸载用pip uninstall：不要直接删除第三方库文件夹（会残留配置，导致后续安装出错），正确卸载指令：pip uninstall torch torchvision torchaudio -y（-y自动确认，无需手动输入y）；

• 安装包可删除：下载的.whl文件仅用于安装，安装完成后删除不影响已搭建的环境，能释放磁盘空间。

总结

深度学习环境搭建的核心逻辑很简单：先装CUDA（GPU用户），再装匹配版本的PyTorch全家桶，最后验证功能。有网环境用“官网指令”高效快捷，无网环境用手动whl安装。

刚开始跟着老师手动操作时，我走了不少弯路，但也因此搞懂了环境搭建的底层逻辑。希望这篇教程能帮你直接避开这些坑，顺利开启深度学习之旅！