本文详细记录了在Windows11系统下为深度学习项目配置PyTorch GPU环境的完整流程。首先说明了单独创建虚拟环境的必要性以避免版本冲突，然后介绍了安装前的软硬件准备，包括检查NVIDIA显卡驱动和CUDA支持情况。重点讲解了通过conda创建专用虚拟环境、使用PyTorch官网推荐命令安装GPU版本、验证安装成功与否的测试方法，以及PyCharm中的解释器配置。最后总结了常见问题解决方案

本文记录 PyTorch 入门第一个实战项目：MNIST 手写数字识别。文章使用 PyTorch 搭建简单全连接神经网络，完成 MNIST 数据集加载、模型定义、前向传播、损失计算、反向传播、参数更新、准确率评估和预测结果可视化。本文重点不在于追求最高准确率，而是帮助初学者理解一个深度学习项目从数据到训练再到预测的完整流程。