这事儿其实没你想得那么难——PyTorch在Windows上的安装，我手把手带你搞定

说真的，我第一次装PyTorch那会儿，差点把电脑砸了。现在回头看看，其实就是几个坑，绕过去就完事儿。

一、别被那些教程吓到，其实挺简单的

我前两天帮一个学弟装PyTorch，他愁眉苦脸地说看了七八个教程，每个讲的都不一样，越看越懵。这种感觉你懂吧？网上那些教程吧，有些是两三年前的老古董，有些是技术大神写的——他们觉得“这还用说吗？”的地方，恰恰是我们小白最卡壳的地方。

其实吧，PyTorch在Windows上的安装已经比前两年友好多了。我记得2020年那会儿，还得折腾conda、pip、CUDA版本匹配，现在官方把流程简化了不少。说白了，就跟装个普通软件差不多，就是多注意几个关键选择。

二、准备工作：先别急着下载

很多人一上来就直接冲去官网点下载，结果装到一半发现“哎？我这显卡不支持CUDA？”或者“Python版本不对啊？”。（我当年就这么干过，白折腾一晚上）

第一步，先看看你的硬件配置。

打开设备管理器，看看你的显卡。如果是NVIDIA的，恭喜你，可以玩GPU加速。如果是Intel集成显卡或者AMD的（非专业卡），那就老老实实用CPU版本吧。别觉得CPU版本就低人一等——对于初学者来说，完全够用。我读书那会儿用的就是一台老联想，没独显，照样跑通了前几个月的学习项目。

第二步，Python版本。

现在PyTorch官方主要支持Python 3.8到3.11。如果你电脑上还没装Python，我建议直接装Python 3.9——这是目前最稳的版本，兼容性最好。别追求最新，3.12刚出的时候，一堆库都不兼容，那叫一个酸爽。

（私货：有些人非要用Anaconda，其实对于纯新手，我反而推荐用Python官方安装包+ pip。Anaconda虽然环境管理方便，但那个安装包太大了，而且有时候会带来莫名其妙的依赖冲突。）

三、安装过程：我一步步带你走

好了，现在打开PyTorch官网的安装页面。你会看到一个配置选择器，长得像这样：

• PyTorch Build: Stable (1.13.1)
• Your OS: Windows
• Package: 选 Pip（除非你确定要用Conda）
• Language: Python
• Compute Platform: 这个要看你的显卡

如果你的显卡是NVIDIA的，并且支持CUDA（一般是GTX 1060以上的型号），可以选对应的CUDA版本。怎么看显卡支不支持？去NVIDIA官网查一下你的显卡型号。如果拿不准，或者压根没独显，就选CPU。

真绝了——很多人在这里纠结半天，非要上CUDA版本，结果驱动不对、CUDA版本不匹配，各种报错。其实初学者用CPU版本完全没问题，等真正需要训练大模型的时候，再考虑升级硬件也不迟。

选好之后，下面会生成一行命令，比如：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

关键来了：别直接复制这行命令就运行。

四、那些教程里没告诉你的坑

第一个坑：网络问题。

PyTorch的安装包在国外服务器上，直接用pip下载可能会慢到怀疑人生，甚至超时失败。解决办法很简单——换国内镜像源。

我一般在安装前先设置一下：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

或者用阿里云的、豆瓣的源都行。这一步能让你下载速度从几KB/s飞到几MB/s。

第二个坑：权限问题。

如果你在Windows上直接开命令行安装，可能会遇到权限错误。解决办法有两个：

1. 以管理员身份运行命令行
2. 或者更好的办法——不要把Python装在C盘Program Files目录下。我习惯装在D:\Python39这样的路径，完全避开权限问题。

第三个坑：环境变量。

装完之后，有些教程会告诉你“要设置环境变量”。其实如果你用pip安装，并且Python路径正确，一般不需要手动设置。你可以打开Python命令行，输入：

import torch
print(torch.__version__)

如果能看到版本号，比如“1.13.1”，那就说明安装成功了。就这么简单。

五、验证安装：跑个简单的代码试试

光看到版本号还不够，咱们得确保PyTorch真的能用。我一般会跑两个测试：

测试1：检查CUDA是否可用（如果装了CUDA版本）

import torch
print(torch.cuda.is_available())  # 显示True就是GPU可用

如果显示False，别慌——可能是驱动问题，或者CUDA版本不匹配。这事儿我遇到过，更新一下NVIDIA驱动通常就解决了。

测试2：跑个最简单的张量操作

import torch
x = torch.tensor([1.0, 2.0, 3.0])
y = torch.tensor([4.0, 5.0, 6.0])
z = x + y
print(z)  # 应该输出tensor([5., 7., 9.])

如果这个能跑通，恭喜你——PyTorch安装完全成功，可以开始你的深度学习之旅了。

六、如果遇到问题怎么办？

安装过程中难免会遇到各种报错。我整理了几个最常见的：

错误1：“Could not find a version that satisfies the requirement torch” 这通常是Python版本不对，或者pip版本太老。先升级pip：

python -m pip install --upgrade pip

错误2：安装过程中卡住不动 99%是网络问题。换成国内镜像源，或者用离线安装包。PyTorch官网其实提供了whl文件下载，你可以先下载到本地再安装。

错误3：导入torch时提示DLL加载失败 这个比较麻烦，通常是VC++运行库缺失。去微软官网下载安装“Visual C++ Redistributable”，选最新的版本安装就行。我在三台不同的Win10电脑上都遇到过这个问题，装完VC++库就好了。

（说真的，Windows开发环境配置就是这样，总有些莫名其妙的依赖。习惯了就好。）

七、一些个人建议

很多人觉得PyTorch安装复杂，那是他们看错地方了——总想一步到位搞个“完美”的环境。其实吧，深度学习的环境配置本身就是学习的一部分。我建议：

1. 别追求完美：先装个能用的版本，开始学习。等真正遇到性能瓶颈了，再回头优化环境。
2. 做好记录：把你安装的版本、遇到的错误和解决方法记下来。下次重装系统或者换电脑时，能省下大把时间。
3. 考虑用Docker：如果你经常需要在不同项目间切换，或者怕搞乱系统环境，可以试试Docker。不过这对新手来说可能有点超纲，先掌握基础安装再说。

我记得第一次成功运行PyTorch代码时，是在北京租房的那个小房间里，电脑风扇呼呼地转，屏幕上终于输出了正确的结果。那一刻的感觉——像刚出锅的馒头一样踏实。

最后说两句

行了，不废话了。PyTorch在Windows上的安装就这么回事儿，别被那些复杂的教程吓到。按照我上面说的步骤，一步步来，遇到问题就搜一下错误信息（大概率有人遇到过同样的问题）。

深度学习这条路挺有意思的，但第一步总得迈出去。安装环境就是这第一步——跨过去了，后面就是写代码、调模型、看论文的无限循环了。

（哦对了，装好之后记得装个Jupyter Notebook或者VS Code，写代码会舒服很多。这事儿咱们下次再聊。）

去吧，动手试试。装失败了也没关系，评论区告诉我你卡在哪一步，咱们一起解决。