深度学习入门的第一步，从来不是学习模型原理，而是搭建一个稳定可用的运行环境------其中CUDA、PyTorch、TorchVision、Torchaudio更是核心基础，直接决定后续模型训练、代码运行能否顺畅进行。很多新手入门时，常会被"版本不兼容""安装失败""GPU调用异常"等问题卡住，耗费大量时间排查。今天这篇实操指南，就手把手带大家从零开始，一步步完成CUDA的安装、验证，以及PyTorch+TorchVision+Torchaudio的配套安装，全程避开常见坑，哪怕是零基础新手，也能轻松搞定，快速开启深度学习之路。
一、安装CUDA
CUDA 是英伟达（NVIDIA）推出的、让普通程序员能利用英伟达显卡（GPU）做高速并行计算的工具集（包含编程模型、编译器、库等），核心是把 GPU 从 "单纯玩游戏 / 渲染" 的硬件，变成能跑深度学习、科学计算的 "超级计算器"，也是 PyTorch/TensorFlow 等框架能实现 GPU 加速的基础
1.首先在命令提示符中查看电脑支持的最高版本
输入命令查看：
bash
nvidia-smi
2.下载CUDA安装包
官网：
进入官网界面，下滑出现所有版本
注意：尽量选择低于电脑版本，以防版本过高的不稳定的情况
我这里选择11.8版本，选择操作系统、版本等
安装包下载完成，双击打开
点击同意
选择自定义，下一步
出现此界面将CUDA展开将Visual Studio Integration取消选中，选中Visual Studio Integration可能会导致出现问题，点击下一步
出现安装位置，新手最好不要修改安装位置，点击下一步
出现这一步就安装成功，点击下一步，结束安装
3.验证CUDA是否安装成功
检查环境变量
在设置中找到系统
找到高级系统设置
点击环境变量，在系统变量查看有无CUDA的环境变量，若没有要手动添加
或者在C盘输入路径中输入cmd进入命令提示符
在命令提示符中输入以下命令查看
bash
set cuda
输入nvcc -V验证CUDA是否安装成功
出现图片中的红色方框出来的语句就证明安装成功，如果没有说明版本不兼容，要重新下载
二、安装PyTorch+TorchVision+Torchaudio
PyTorch是深度学习的「核心框架本体」，而TorchVision、Torchaudio是 PyTorch 官方出品、无缝兼容的「领域专属工具库」------ 前者专攻计算机视觉（CV），后者专攻音频 / 语音处理，三者合称 PyTorch「视觉 + 音频」全家桶，搭配使用能省去大量底层代码编写，是 CV 和语音深度学习的标配组合
这三个工具下载过程都一样，以Torch为例：
首先进入Torch官网：
进入这个界面，下滑
选择系统，编译语言等等，将红框中的链接复制打开（此链接为torch以及其中所有库的所有版本）
进入此界面，找到Torch，点击进去
使用快捷键ctrl+f键输入想要下载的版本，要对应自己下载的CUDA版本与python版本，和自己的电脑系统
可能会有些慢，要耐心等待
下载完成在文件夹中打开，选中右击，选择复制文件地址
在命令提示符中输入
pip install 复制的文件地址
在最后出现successful就成功了
其中黄色的字体是警告，不是报错~
TorchVision、Torchaudio下载过程与Torch过程一样
如果在下载TorchVision、Torchaudio中torch出现问题，将安装torch语句在输一遍就行了
到这里，深度学习核心环境------CUDA+PyTorch+TorchVision+Torchaudio就全部安装完成了。整个过程的核心关键点只有两个：一是CUDA版本要匹配自己的显卡驱动，二是PyTorch、TorchVision、Torchaudio的版本要相互对应，且适配已安装的CUDA版本，这也是避开绝大多数安装坑的关键。安装完成后，建议大家按照前文提到的验证方法，确认CUDA和PyTorch均能正常运行，尤其是GPU加速功能（torch.cuda.is_available()返回True），这样后续训练模型才能实现效率翻倍。如果安装过程中遇到卡顿、报错，可回头核对每一步的操作细节，重点检查版本匹配和环境变量配置。环境搭建完成，就可以放心开启你的深度学习实操之旅啦！