Windows下安装PyTorch详细教程（从零基础到成功运行）

在Windows系统上安装PyTorch是很多机器学习初学者和开发者的第一步。虽然官网提供了安装命令，但实际过程中会遇到各种环境问题、版本冲突和网络错误。本文将为你提供一套完整的解决方案，从最基础的环境准备到最终验证安装，即使你是完全的小白用户也能一步步顺利完成。

一、安装前的准备工作

在开始安装PyTorch之前，我们需要做好以下准备工作，这能避免90%的常见问题。

1. 检查系统要求

PyTorch对Windows系统有一定要求：

• Windows 7及以上版本（推荐Windows 10或11）
• 64位操作系统（32位系统无法安装）
• 至少8GB内存（建议16GB以上）
• 足够的硬盘空间（建议预留10GB以上）

查看方法：右键点击“此电脑” → 选择“属性”，即可看到系统版本和位数。

2. 确定是否使用GPU加速

这是安装前最重要的决策点：

没有独立显卡或显卡较老（2016年前） → 选择CPU版本

• 安装简单，兼容性好
• 计算速度较慢，适合学习和小项目

有NVIDIA独立显卡（GTX 10系列及以上） → 选择CUDA版本

• 需要额外安装显卡驱动和CUDA
• 计算速度大幅提升（10-50倍）
• 适合训练较大模型

查看显卡型号：按Win+R键，输入dxdiag，在“显示”标签页查看。

二、三种安装方法详解（从易到难）

方法一：使用Anaconda安装（推荐新手使用）

Anaconda是Python的科学计算发行版，自带包管理工具，能自动解决依赖问题。

步骤1：下载安装Anaconda

1. 访问Anaconda官网（搜索“Anaconda下载”）
2. 选择Python 3.9版本的Windows 64位安装包
3. 下载后双击安装，注意勾选“Add Anaconda3 to PATH”
4. 安装完成后，打开“开始菜单” → 找到“Anaconda Prompt”

步骤2：创建虚拟环境（避免包冲突）

在Anaconda Prompt中输入以下命令：

# 创建一个名为pytorch_env的虚拟环境，指定Python版本为3.9
conda create -n pytorch_env python=3.9

# 激活虚拟环境
conda activate pytorch_env

看到命令行前面出现(pytorch_env)即表示环境激活成功。

步骤3：安装PyTorch

继续在激活的环境中执行：

CPU版本安装命令：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

GPU版本安装命令（需先确认CUDA版本）：

# CUDA 11.3版本（适合大多数RTX 30系列显卡）
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

等待下载安装完成，这个过程可能需要10-30分钟，取决于网速。

方法二：使用pip直接安装（适合有Python基础）

如果你已经安装了Python，可以直接使用pip安装。

步骤1：检查Python环境

1. 按Win+R，输入cmd打开命令提示符
2. 输入python --version查看Python版本
   • 需要Python 3.7-3.10版本
   • 如果提示“不是内部命令”，需要先安装Python

步骤2：升级pip工具

python -m pip install --upgrade pip

步骤3：安装PyTorch

根据官网最新命令安装（访问PyTorch官网获取最新命令）：

# CPU版本
pip install torch torchvision torchaudio

# GPU版本（CUDA 11.7）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

方法三：手动下载安装（解决网络问题）

如果遇到网络超时或下载缓慢，可以使用国内镜像源。

步骤1：配置清华镜像源

# 设置pip使用清华镜像
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 设置conda使用清华镜像（如果使用conda）
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

步骤2：通过镜像安装

# 使用pip从镜像安装
pip install torch torchvision torchaudio

# 或使用conda从镜像安装
conda install pytorch torchvision torchaudio cpuonly

三、安装GPU版本的特殊步骤

如果你选择安装GPU版本，需要额外配置CUDA环境。

1. 检查CUDA兼容性

# 在命令提示符输入
nvidia-smi

如果显示显卡信息，最上面一行会显示CUDA版本号（如CUDA 11.6）。

2. 安装对应版本的CUDA Toolkit

1. 访问NVIDIA CUDA Toolkit官网
2. 下载与PyTorch要求匹配的版本（如PyTorch支持CUDA 11.7，就下载11.7）
3. 安装时选择“自定义安装”，只勾选CUDA组件
4. 安装完成后重启电脑

3. 验证CUDA安装

# 在命令提示符输入
nvcc --version

显示版本信息即表示安装成功。

四、验证安装是否成功

安装完成后，必须验证PyTorch是否能正常工作。

基础验证代码

打开Python环境（在Anaconda Prompt或命令提示符输入python）：

import torch

# 打印PyTorch版本
print("PyTorch版本:", torch.__version__)

# 检查CUDA是否可用（GPU版本）
print("CUDA是否可用:", torch.cuda.is_available())

# 如果可用，显示CUDA版本和显卡信息
if torch.cuda.is_available():
    print("CUDA版本:", torch.version.cuda)
    print("显卡名称:", torch.cuda.get_device_name(0))
    print("显卡数量:", torch.cuda.device_count())

运行一个简单测试

# 创建一个张量（Tensor）
x = torch.tensor([1.0, 2.0, 3.0])
print("创建的张量:", x)

# 简单计算
y = x * 2
print("乘以2后的结果:", y)

# 如果使用GPU，将数据转移到GPU
if torch.cuda.is_available():
    x_gpu = x.cuda()
    print("GPU上的张量:", x_gpu)

五、常见问题及解决方法

问题1：安装时出现“网络错误”或“超时”

解决方法：

1. 使用国内镜像源（见方法三）
2. 关闭VPN或代理软件
3. 使用pip install时添加超时参数：

   pip install --default-timeout=1000 torch torchvision torchaudio

问题2：提示“DLL加载失败”或“找不到指定模块”

解决方法：

1. 安装Visual C++ Redistributable
   • 访问微软官网下载最新VC_redist.x64.exe
   • 安装后重启电脑
2. 更新显卡驱动到最新版本

问题3：安装后import torch报错

解决方法：

1. 检查Python版本是否匹配
2. 确认是否在正确的虚拟环境中
3. 尝试重新安装：

   pip uninstall torch torchvision torchaudio
   pip cache purge
   pip install torch torchvision torchaudio

问题4：GPU版本安装后cuda不可用

解决方法：

1. 确认CUDA版本与PyTorch要求一致
2. 检查显卡驱动是否支持该CUDA版本
3. 运行nvidia-smi确认显卡被识别

六、安装后的优化配置

1. 配置PyCharm或VS Code

如果你使用IDE开发：

• PyCharm：在设置中指定Python解释器为Anaconda环境的python.exe
• VS Code：安装Python扩展，选择对应的Python环境

2. 安装常用扩展库

pip install numpy pandas matplotlib jupyter notebook scikit-learn

3. 设置Jupyter Notebook内核

# 在虚拟环境中安装ipykernel
pip install ipykernel

# 将虚拟环境添加到Jupyter
python -m ipykernel install --user --name=pytorch_env --display-name="PyTorch"

七、不同用户的选择建议

完全新手（第一次接触Python）

推荐方案：Anaconda + CPU版本

• 理由：安装最简单，问题最少
• 安装时间：约30分钟
• 成功率：95%以上

有一定Python基础

推荐方案：Miniconda + GPU版本（如果有NVIDIA显卡）

• 理由：Miniconda更轻量，GPU加速明显
• 安装时间：约45分钟（含CUDA安装）
• 成功率：85%

深度学习研究者/开发者

推荐方案：Docker容器

# 拉取PyTorch官方镜像
docker pull pytorch/pytorch:latest

# 运行容器
docker run -it --gpus all pytorch/pytorch:latest

• 理由：环境隔离，可复现，适合团队协作
• 安装时间：约20分钟（需先安装Docker）
• 成功率：90%

八、长期维护建议

1. 定期更新：

   # 每月检查一次更新
   pip list --outdated
   pip install --upgrade torch torchvision torchaudio

2. 环境备份：

   # 导出环境配置
   conda env export > environment.yaml
   
   # 恢复环境
   conda env create -f environment.yaml

3. 磁盘清理：

   • PyTorch安装包缓存：C:\Users\用户名\.cache\torch
   • 定期清理：pip cache purge

总结

在Windows上安装PyTorch虽然步骤较多，但只要按照正确的顺序操作，遇到问题不慌张，参考本文的解决方案，绝大多数用户都能在1小时内完成安装。记住几个关键点：新手优先用Anaconda、网络问题用国内镜像、GPU版本要匹配CUDA。

安装只是第一步，接下来你可以尝试运行PyTorch官方教程，从简单的张量操作开始，逐步深入神经网络构建。如果在学习过程中遇到其他问题，欢迎在评论区留言，我会根据具体问题提供进一步的帮助。

最后的小提示：安装完成后，建议立即运行本文第四部分的验证代码，并保存验证结果。这样以后如果环境出现问题，可以快速对比判断是哪里出了错。祝你在PyTorch的学习道路上顺利前行！