摘要：完成以上步骤后，您已成功搭建深度学习开发环境！接下来可以尝试运行MNIST分类、CIFAR-10等项目实战。
Python深度学习环境配置保姆级教程（Windows版）
一、安装前的准备工作
硬件要求Ø NVIDIA显卡（需支持CUDA，建议GTX 10系列以上）
Ø 检查显卡型号：右键桌面 → 打开「NVIDIA控制面板」 → 左下角「系统信息」
Ø 更新显卡驱动：访问NVIDIA官网下载最新驱动
软件要求Ø Windows 10/11 64位系统
Ø 至少50GB硬盘空间（用于存放库和数据集）
二、安装Anaconda
下载安装包Ø 官网下载地址：https://www.anaconda.com/download
Ø 选择Python 3.9版本的64位安装包（兼容性最佳）
安装步骤Ø 双击安装包 → 选择「All Users」→ 设置安装路径（建议默认路径）
Ø 关键选项勾选：
Add Anaconda3 to my PATH environment variable
Register Anaconda3 as my default Python 3.9
Ø 安装完成后，打开「Anaconda Prompt」测试：
bash
conda --version # 显示版本号即成功
配置国内镜像源（加速下载）bash
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
三、安装CUDA和cuDNN
安装CUDA ToolkitØ 查看PyTorch官网推荐的CUDA版本：https://pytorch.org
Ø 例如：PyTorch 2.0支持CUDA 11.8或12.1
Ø 访问NVIDIA CUDA下载页
Ø 下载对应版本的CUDA Toolkit（如11.8）→ 选择「exe [local]」安装包
Ø 安装时选择「自定义安装」→ 取消Visual Studio Integration（避免冲突）
安装cuDNNØ 访问cuDNN下载页（需注册NVIDIA账号）
Ø 下载与CUDA版本匹配的cuDNN（如CUDA 11.8 → cuDNN 8.9.x）
Ø 解压下载的zip文件，将以下文件复制到CUDA安装目录：
cudnn-windows-x86_64-8.x.x.x_cuda11.8\bin → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
cudnn-windows-x86_64-8.x.x.x_cuda11.8\include → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
cudnn-windows-x86_64-8.x.x.x_cuda11.8\lib → C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
验证CUDA安装bash
nvcc -V # 显示CUDA版本
四、创建PyTorch虚拟环境
新建conda环境bash
conda create -n pytorch_env python=3.9
conda activate pytorch_env
安装PyTorch根据官网命令安装（以CUDA 11.8为例）：bash
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
验证安装python
import torch
print(torch.__version__) # 输出PyTorch版本（如2.0.1）
print(torch.cuda.is_available) # 输出True表示GPU可用
五、安装和配置PyCharm
下载安装Ø 官网下载社区版：https://www.jetbrains.com/pycharm/download/
Ø 安装时勾选「Add launchers dir to the PATH」
关联Anaconda环境Ø 新建项目 → 选择「Previously configured interpreter」
Ø 点击齿轮图标 → Add Interpreter → Conda Environment → Existing environment
Ø 路径选择：C:\Users\\anaconda3\envs\pytorch_env\python.exe
六、第一个深度学习程序测试
# 检查GPU是否可用
device = torch.device("cuda" if torch.cuda.is_available else "cpu")
print("当前设备:", device)
# 创建一个张量并转移到GPU
x = torch.randn(3, 3).to(device)
print(x)
常见问题解决
CUDA安装失败Ø 检查显卡驱动是否为最新版本
Ø 确保Windows系统已更新到最新版
conda安装包速度慢Ø 使用清华镜像源：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
PyTorch无法识别GPUØ 确认CUDA版本与PyTorch版本匹配
Ø 重新安装对应版本：conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia
完成以上步骤后，您已成功搭建深度学习开发环境！接下来可以尝试运行MNIST分类、CIFAR-10等项目实战。
来源：老客数据一点号
