深度学习之环境安装

在深度学习和人工智能领域，PyTorch已成为最受欢迎的开源框架之一。随着技术的不断进步，PyTorch也在持续更新和优化。本文将为您带来2026年最新版本的PyTorch安装教程。通过本文，您将掌握PyTorch的安装过程，为您在深度学习的探索之旅中提供强大的工具支持。

PyTorch是一个开源的深度学习框架，由Facebook人工智能研究院（FAIR）开发。它提供了一套动态张量计算库，具有易于使用、高效性能和强大的扩展性等特点。PyTorch支持在GPU上运行，能够大大加速深度学习模型的训练和推理过程。

conda 环境

以Anaconda为例

创建 d2l 环境

conda create --name d2l python=3.9 -y

激活环境

conda activate d2l

安装深度学习框架和软件包

在安装深度学习框架之前，请先检查计算机上是否有可⽤的GPU。例如可以查看计算机是否装有NVIDIA GPU并已安装CUDA。

我们可以按如下⽅式安装PyTorch的CPU或GPU版本：

先查看CUDA版本：

在官网找到适合的版本

注：这边推荐最好不要换源！！最好不要换源！！最好不要换源！！

哪怕下载慢也不要换源，因为有时候换源下来的经常会是cpu版本，导致使用的时候出问题。

下⼀步是安装软件包，以方便调取经常使⽤的函数和类：

这边安装d2l包，是一个整合了深度学习经常使用的函数和类的轻量级包。

pip install d2l==0.17.6

这边已经安装好了就不展示了。

检验安装

这边我们写一个简单的代码来判断我们安装有没有成功

import torch

print("=" * 50)
print("GPU 检测信息")
print("=" * 50)
print(f"PyTorch 版本: {torch.__version__}")
print(f"GPU 可用: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"GPU 数量: {torch.cuda.device_count()}")
    print(f"当前 GPU: {torch.cuda.get_device_name(0)}")
    print(f"GPU 显存: {torch.cuda.get_device_properties(0).total_memory / 1024**3:.1f} GB")
    print(f"CUDA 版本: {torch.version.cuda}")
else:
    print("未检测到 GPU，将使用 CPU 训练（速度会很慢）")
print("=" * 50)

当我们看见一下这张图的话就代表我们已经成功安装Torch了。

当然，千万不要忘记了在编译器中选择我们正确的环境。