这几天自己动手安装了一遍PyTorch，踩了无数坑，也试遍了各种方法。为了让后来者少走弯路，我把自己摸索出的最简便、最高效的实现路径整理出来，希望能让你一篇就够，轻松搞定PyTorch环境配置。
我的系统环境是Windows 10 + Intel CPU + Nvidia GPU，因此可以顺利启用CUDA加速，安装GPU版本的PyTorch。如果你是纯CPU环境，也可以参考本文，只需跳过CUDA相关步骤即可。下面直接进入正题，全程高能，简洁不啰嗦。
一、Anaconda ------ 打造隔离的Python环境
首先，安装Anaconda。它不仅是Python的包管理器，更是一个强大的环境管理工具，能帮我们把不同项目的依赖隔离开来，避免"版本冲突地狱"。
👉 官方下载链接
https://www.anaconda.com/download
下载安装包后，一路默认安装即可（记得勾选"Add Anaconda to my PATH environment variable"选项）。安装完成后，打开Anaconda Prompt（或终端），你会看到默认的base环境。
我们为PyTorch单独创建一个干净的环境，命令如下：
conda create --name pytorch python=3.6这里我选用Python 3.6，实际你也可以换成3.7或3.8，只要后续PyTorch支持即可。创建成功后，激活该环境：
创建成功之后，切换到PyTorch环境，
conda activate pytorch此时Python已默认安装。
二、CUDA ------ 开启GPU加速（可选）
如果你的电脑只有CPU，或者不打算用显卡加速，可以直接跳过这一步。
但如果你和我一样，拥有一块Nvidia显卡，并且想在训练模型时体验"起飞"的快感，那就需要安装CUDA。
打开下载页面选择你的操作系统、系统架构和安装包类型。根据显卡驱动版本，选择合适的CUDA版本（建议选10.2或11.x，因为PyTorch对这些版本支持最稳定）。
下载后运行安装程序，选择"自定义"安装，并确保勾选了"CUDA Development"相关组件。
安装完成后，可以在命令行输入nvcc --version验证是否成功。
三、PyTorch ------ 核心安装
在正式开始安装PyTorch之前，有一个极其关键的步骤：添加清华镜像源。如果不做这一步，默认从国外官方源下载，速度会"非常感人"，很可能等到天荒地老。亲测有效，赶紧配置起来。
源搞定之后，进入，选择你的操作系统、包管理工具（Conda）、语言（Python）以及CUDA版本。网站会自动生成一行安装命令，例如：
复制命令，执行，安装。
安装完成之后，我们可以在Anaconda上面发现，多了一个环境：
四、VSCode ------ 丝滑的开发体验
环境装好了，总得有个趁手的编辑器。在众多Python开发工具中，我强推VSCode。它轻量、免费、插件丰富，而且对Anaconda环境支持得极为友好。
下载安装VSCode后，打开项目文件夹，点击左下角的Python解释器选择按钮，选择我们刚刚创建的pytorch环境中的Python解释器。此时，无论是代码补全、调试还是运行，都会自动使用这个隔离的环境，干净又优雅。
这就是实际界面，选择对应的解释器即可。
五、PyTorch中文手册 ------ 最佳入门教程
最后，为了让你的PyTorch学习之路更加顺畅，我强烈推荐一个开源项目------《PyTorch中文手册》。它内容简明扼要，从张量操作到模型训练，覆盖了绝大部分常用功能，非常适合作为案头参考书。
👉 GitHub地址：