Windows 搭建《动手学深度学习》PyTorch 环境：从安装到踩坑记录

本文记录我在 Windows 上配置《动手学深度学习》（D2L）PyTorch 版的完整过程。

环境：Windows + Miniconda + Python 3.9 + NVIDIA RTX 4060 Laptop。

目标：能顺利运行 d2l-zh 的 Jupyter Notebook，并支持 GPU 加速。

一、最终环境概览

我的实际环境如下：

项目	版本 / 信息
操作系统	Windows
Conda	26.7.1
Python	3.9.25
GPU	NVIDIA GeForce RTX 4060 Laptop，8GB 显存
驱动	610.88，CUDA UMD 13.3
深度学习框架	PyTorch GPU 版
配套包	d2l==0.17.6、Jupyter Notebook

这套环境可以运行《动手学深度学习》PyTorch 版的大部分章节，RTX 4060 Laptop 的 8GB 显存也足够学习使用。

二、安装 Miniconda

Miniconda 是 Anaconda 的轻量版，只包含 conda 和 Python，适合按需安装库。

1. 下载安装包

访问 Miniconda 官方下载页，选择 Windows 64-bit Graphical Installer ，下载 .exe 文件。也可以直接使用：

text 复制代码

https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe

2. 安装选项

双击安装，建议选择：

Just Me (recommended)
安装路径不要有中文和空格
勾选 Add Miniconda3 to my PATH environment variable

安装完成后，从开始菜单打开 Anaconda Prompt。

3. 验证

bash 复制代码

conda --version

如果能看到版本号，说明安装成功。

三、创建 d2l 虚拟环境

不要直接在 base 环境中安装深度学习库，建议创建独立环境：

bash 复制代码

conda create --name d2l python=3.9 -y

创建完成后激活：

bash 复制代码

conda activate d2l

激活后，命令行提示符前会出现 (d2l)。验证 Python 版本：

bash 复制代码

python -V

我的输出是：

text 复制代码

Python 3.9.25

遇到 Conda ToS 报错

新版 Conda 可能会要求先接受 Anaconda 的服务条款，否则创建环境时会报：

text 复制代码

CondaToSNonInteractiveError: Terms of Service have not been accepted...

解决方法是依次执行：

bash 复制代码

conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/main
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/r
conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/msys2

注意：conda tos status 并不是有效子命令，会报错。接受完三条后，直接继续创建环境即可。

提醒：如果代表员工数超过 200 人的营利性组织使用 Anaconda，需要购买商业订阅。个人学习通常可以免费使用。

四、检查 GPU

在安装 PyTorch 前，先确认显卡和驱动：

bash 复制代码

nvidia-smi

我的输出关键信息：

text 复制代码

NVIDIA GeForce RTX 4060 Laptop
Driver Version: 610.88
CUDA UMD Version: 13.3
Memory: 8188MiB

这说明：

有 NVIDIA GPU，可以安装 GPU 版 PyTorch；
驱动支持 CUDA 13.3，向下兼容 CUDA 12.x；
推荐安装 CUDA 12.6 或 12.8 对应的 PyTorch wheel。

如果没有 NVIDIA GPU，安装 CPU 版即可，前几章学习完全够用。

五、安装 PyTorch、d2l 和 Jupyter

确保当前处于 (d2l) 环境。

1. 安装 PyTorch GPU 版

推荐去 PyTorch 官网选择：

Stable
Windows
Pip
Python
CUDA 12.6 或 12.8

官网会生成安装命令。例如：

bash 复制代码

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

如果 cu126 下载失败，可以尝试：

bash 复制代码

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128

CPU 版则使用：

bash 复制代码

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

2. 安装 d2l 包

必须安装指定版本：

bash 复制代码

pip install d2l==0.17.6

如果下载慢，可以使用清华镜像：

bash 复制代码

pip install d2l==0.17.6 -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 安装 Jupyter

bash 复制代码

pip install jupyter

4. 验证 PyTorch 和 GPU

运行：

bash 复制代码

python -c "import torch; print('torch:', torch.__version__); print('cuda_available:', torch.cuda.is_available()); print('device:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'CPU')"

预期输出类似：

text 复制代码

torch: 2.x.x+cu126
cuda_available: True
device: NVIDIA GeForce RTX 4060 Laptop GPU

如果 cuda_available 是 False，说明可能装成了 CPU 版，需要卸载重装：

bash 复制代码

pip uninstall torch torchvision torchaudio -y
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

六、下载 D2L Notebook

浏览器访问：

text 复制代码

https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip

下载后解压到任意目录，例如：

text 复制代码

D:\d2l-zh

解压后进入 pytorch 子目录：

bash 复制代码

cd /d D:\d2l-zh\pytorch

启动 Jupyter Notebook：

bash 复制代码

jupyter notebook

浏览器通常会自动打开：

text 复制代码

http://localhost:8888

然后就可以打开每一章的 .ipynb 文件开始学习了。

七、踩坑记录

坑 1：Conda ToS 未接受

报错：

text 复制代码

CondaToSNonInteractiveError: Terms of Service have not been accepted...

解决：

依次执行三条 conda tos accept 命令，具体见上文第三节。

坑 2：Jupyter Notebook 启动失败

报错：

text 复制代码

ModuleNotFoundError: No module named 'jupyter_server.contents'
TypeError: warn() missing 1 required keyword-only argument: 'stacklevel'

原因：

traitlets 与 notebook 版本不兼容。新版 traitlets 修改了 warn() 的参数要求，而旧版 notebook 没有同步更新。

解决方案一：升级 notebook（推荐）

bash 复制代码

pip install --upgrade notebook

或明确安装 7.x：

bash 复制代码

pip install notebook==7.*

如果仍提示缺少 jupyter_server，可以补装：

bash 复制代码

pip install jupyter_server

解决方案二：降级 traitlets

bash 复制代码

pip uninstall traitlets -y
pip install traitlets==5.9.0

修复后重新进入代码目录并启动：

bash 复制代码

cd /d D:\A_DLL\pytorch
jupyter notebook

八、日常使用命令

每次开始学习前：

bash 复制代码

conda activate d2l
cd /d D:\A_DLL\pytorch
jupyter notebook

结束学习后：

在命令行按 Ctrl+C 停止 Jupyter；
执行 conda deactivate 退出环境。

所有安装和运行操作都应在 (d2l) 环境下进行，不要装在 (base) 中。

九、常见问题速查

问题	解决办法
`conda` 不是内部命令	安装时勾选 Add to PATH，或手动添加 `miniconda3\Scripts`
Conda ToS 报错	执行三条 `conda tos accept` 命令
`conda tos status` 报错	该子命令不存在，忽略即可
`pip install d2l` 报错	先装 PyTorch，再装 d2l
Jupyter 找不到 `.ipynb`	启动前先 `cd` 到 `pytorch` 子目录
GPU 版但 `cuda_available=False`	卸载重装 GPU 版 PyTorch，检查 CUDA 版本
Jupyter 启动报 traitlets 错误	升级 notebook 或降级 traitlets==5.9.0

十、总结

在 Windows 上搭建 D2L PyTorch 环境，关键步骤是：

安装 Miniconda；
创建独立的 d2l 环境；
接受 Conda ToS；
根据 GPU 驱动选择正确的 PyTorch CUDA 版本；
安装 d2l==0.17.6 和 Jupyter；
下载 D2L Notebook 并启动；
遇到 Jupyter 兼容问题时，升级 notebook 或降级 traitlets。

整体流程并不复杂，主要坑集中在 Conda 新版 ToS 和 Jupyter 依赖兼容性上。解决之后，就可以在浏览器中流畅运行《动手学深度学习》的 PyTorch 代码了。