深度学习环境安装教程-适用Windows系统

目录

• [一、安装 Python](#一、安装 Python)
• 二、创建虚拟环境
• [三、安装 PyCharm](#三、安装 PyCharm)
• [四、安装PyTorch-GPU 版（NVIDIA 显卡专用）](#四、安装PyTorch-GPU 版（NVIDIA 显卡专用）)
• [1.CUDA 配置说明✅](#1.CUDA 配置说明✅)
• 2.安装PyTorch-GPU
• [五、安装PyTorch-CPU 版](#五、安装PyTorch-CPU 版)
• [六、给 pip 换国内镜像源](#六、给 pip 换国内镜像源)
• 六+、在pycharm中载入安装好的虚拟环境
• • [选项① 新建项目](#选项① 新建项目)
  • 选项②为现有项目更换虚拟环境
• 七、常见报错速查表（七、八、九为AI补充内容）
• • • [7.1 Python 相关](#7.1 Python 相关)
    • [7.2 PyCharm 相关](#7.2 PyCharm 相关)
    • [7.3 PyTorch 相关](#7.3 PyTorch 相关)
    • [7.4 CUDA 相关](#7.4 CUDA 相关)
  • 八、推荐学习路径
  • 九、有用的资源
  • 附录：一键检查脚本

一、安装 Python

目前推荐Python3.11（64 位），相对稳定成熟。如果你的电脑不是64位请选择对应版本的进行安装

0.首先查看自己的电脑中是否安装了python

win+R打开cmd，输入python，若出现以下页面说明电脑中已经安装过python,如果python版本比较新可以跳过安装python步骤。

若出现"python不是内部或外部命令等字样"，则需要安装python

1.打开浏览器，访问 Python 官网下载页：Python下载官网

在页面里找到 Python 3.11.9，点击下载链接

2.双击下载好的 python-3.11.9-amd64.exe，在安装界面：

先勾选最下面两个小方框：

✅ Use admin privileges when installing py.exe

✅ Add python.exe to PATH ←这个必须勾！不勾后面所有命令都用不了

①点 Install Now为默认路径安装，在C盘进行安装，如果弹出是否允许的弹窗选择是。

②点Customize installation以自定义选择安装的位置，建议选择这一步。

3.直接点击Next

4.选择安装路径后，点击install，如果弹出权限提示选择【是】

路径中不要带中文

5.等进度条走完，看到 "Setup was successful" 表示成功，点击 "Close" 关闭安装程序

6.验证 Python 安装

按键盘 Win + R，输入 cmd 回车，打开黑色的命令行窗口，输入下述指令，按回车。

python --version

显示 Python 3.11.x，说明安装成功 ✅

7.再输入以下命令验证 pip：

pip --version

如果显示 pip 版本信息，说明 pip 也安装好了 ✅

❌ 如果提示"不是内部或外部命令"：

说明第 1.3 步中没有勾选 "Add Python to PATH"，需要手动配置环境变量

⚠注意，配置环境变量失败才执行这步❌

⚠注意，配置环境变量失败才执行这步❌

⚠注意，配置环境变量失败才执行这步❌

（1）找到刚刚安装python的路径 win+r 输入cmd

在终端输入py -0p 会显示所有已安装的 Python 版本和路径

（2）点击"此电脑"，右击选择"属性"

（3）高级系统设置-->选"环境变量"

（4）在"系统变量"中双击"Path"

（5）点击【新建】，将python路径插入到文本框

（6）逐步点击【确定】按钮

重新尝试第7步，如果还失败就卸载重新安装

-------------------------------------------我是分割线-----------------------------------------------

二、创建虚拟环境

虚拟环境就类似于我们给python的一些库建立个小房子，让他们住进去

1.在D盘或其他盘创建一个全路径为英文的文件夹，在路径处输入【cmd】,点击回车。

2.在终端输入指令，要注意终端的路径是不是你刚刚创建的文件夹路径，不是就重复一遍步骤1

指令为：

python -m venv 你的环境名

例如：

python -m venv yolo

3.按回车，检查文件夹内是否多出一个文件夹，这个就是你的虚拟环境名。

⚠每次想用这个环境之前一定要激活，就类似于你进门要用钥匙打开他。

⚠每次想用这个环境之前一定要激活，就类似于你进门要用钥匙打开他。

⚠每次想用这个环境之前一定要激活，就类似于你进门要用钥匙打开他。

4.激活方法：

在刚才的终端输入 环境名\Scripts\activate 然后按回车

例如：yolo\Scripts\activate

前面显示为环境名说明激活成功

5.后续可以安装需要的python库及对应版本，指令为pip install 库名

例如pip install numpy==1.26.4

由于pip install指令是直接在国外官网下载，速度比较慢，因此可以使用国内一些镜像源进行下载，在安装指令后加上下面某一行指令

清华大学
-i   https://pypi.tuna.tsinghua.edu.cn/simple/
阿里云
-i http://mirrors.aliyun.com/pypi/simple/ 
豆瓣
-i http ://pypi.douban.com/simple/
中国科学技术大学
-i  http://pypi .mirrors.ustc.edu.cn/simple/
华中科技大学
-i http://pypi.hustunique.com/

完整使用方法如下：

pip install numpy==1.26.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/

如果想看你当前环境安装了哪些库以及对应版本，指令为(前提是你进入环境了)：

pip list

如果YOLOv12需要这些库你会安装不？

不需要一行一行安装，只需要下述指令：

pip install -r requirements.txt

但是注意，会报错，因为当前文件夹下没有这个文件，你要进入含有这个txt的文件夹。指令为cd 具体路径

不清楚可以AI一下

-------------------------------------------我是分割线-----------------------------------------------

三、安装 PyCharm

1.下载安装包

访问：PyCharm官网

页面往下滚动，找到 PyCharm ，点 Windows 下的 .exe (Windows ARM64)

2.双击下载的 pycharm-XXXX.exe

安装路径可以保持默认（也可以改到 D 盘，路径里不要有中文）。勾选页建议勾上：Create Desktop Shortcut（创建桌面图标）、Add "Open Folder as Project"，然后一路 Next → Install。

装完重启电脑（或注销再登录）一次，让环境生效。

3.第一次打开：新建项目并选择解释器

打开 PyCharm，点 New Project。

Location（位置）随便起个项目名，比如 ai_competition（建议英文，路径不要有中文）。

Interpreter type 选 Custom environment → Select existing，点文件图标，在弹出的窗口里找到你在python安装流程创建的环境文件夹，进入Scripts文件夹找到python.exe，鼠标双击它

点 Create，等右下角进度条走完，项目就建好了

如果有这个弹窗，选下边那个都行，就是窗口的位置不同，看你个人习惯。

4.汉化

（1）点击 File--->>>Settings

（2）点击 Plugins--->>>Marketplace ，找到Chinese（simplified）Language，点击Install

-------------------------------------------------------------------------我是分割线-----------------------------------------------------------------------------------------

四、安装PyTorch-GPU 版（NVIDIA 显卡专用）

！！注意如果你的电脑没有独立显卡，或者显卡是 AMD / Intel 的，请选择 CPU 版 PyTorch。只有 NVIDIA 显卡（显卡名字以 GTX / RTX 开头，如 RTX 4060）才能装 GPU 版。

首先判断应该装哪个版本

win+r，cmd,终端输入下述指令，回车

nvidia-smi

✅ 显示显卡信息：装 CUDA + PyTorch GPU 版本，记住CUDA的版本，一会要用

❌ 提示命令不存在：只装PyTorch CPU版本，去第五步

⚠️ GPU 版本需要先安装 CUDA，请先完成 CUDA 安装！

1.CUDA 配置说明✅

CUDA 是 NVIDIA 提供的并行计算平台，让 GPU 能够加速深度学习计算。

1.首先确定装好 NVIDIA 显卡驱动，按 Win + R，输入 cmd，回车打开命令提示符，输入以下命令并回车：

nvidia-smi

2.显示了显卡信息显卡驱动已安装，可以继续，这个 CUDA Version 是你的驱动支持的最高版本 ，例如显示 CUDA Version: 13.3，说明你的显卡驱动支持 CUDA 13.3 及以下版本记下这个版本号，下一步安装 PyTorch 时会用到。

❌ 如果提示"不是内部或外部命令"：

2.1说明显卡驱动未安装或过旧，需要先安装/更新 NVIDIA 显卡驱动。可以参考这个教程，或者让AI指导你。

NVIDIA 显卡（GPU驱动检查/安装全流程【保姆级教程】

【Windows】输入nvidia-smi显示不是内部或外部命令也不是可运行的程序解决办法

2.2更新 NVIDIA 显卡驱动（如果需要）

（1）访问 NVIDIA 驱动下载页面：https://www.nvidia.cn/Download/index.aspx?lang=cn

（2）选择你的显卡型号：

• 产品类型：GeForce（游戏显卡）或 RTX（专业显卡）
• 产品系列：例如 RTX 40 Series、GTX 16 Series
• 产品家族：你的具体型号（例如：RTX 4060、GTX 1650）
• 操作系统：Windows 10 或 Windows 11

💡 不知道显卡型号？

• 右键点击桌面空白处，选择"NVIDIA 控制面板"
• 左下角"系统信息" → "组件"标签页，可以看到显卡型号
• 或者按 Win + R，输入 dxdiag，点击"显示"标签页查看

（3）点击"搜索"，然后点击"下载"

（4）下载完成后，双击安装包，选择"快速安装"（推荐）或"自定义安装"

（5）等待安装完成（约 5-10 分钟），重启电脑

（6）重启后，再次打开命令提示符，输入 nvidia-smi 验证

2.安装PyTorch-GPU

适用于：

有 NVIDIA 独立显卡（GTX/RTX 系列）； 需要训练深度学习模型；追求更快的运算速度

⚠️注意：GPU 版本的 PyTorch 约需要5-6 GB磁盘空间，需要清理 C 盘空间（卸载不用的软件、清理临时文件）， 或将虚拟环境创建在其他磁盘（参见教程第二部分）

安装步骤：

⚠️ 注意：确保已经激活了虚拟环境（参见第二部分），确保已经安装了 CUDA（参见上面）

1.打开命令提示符（Win + R → cmd）先升级 pip 本身

python -m pip install --upgrade pip

2.进入pytorch官网https://pytorch.org/，下滑找到配置界面，选择pip，根据你的 CUDA 版本选择对应的命令：

3.如果cuda版本为13.2，或者12.6，则直接选中cuda=13.2或者12.6.然后复制黑色框的代码到终端。

4.如果cuda版本小于12.6，则选择页面下方的Previous versions of Pytorch

4.1.在选择版本时要同时兼顾torch的版本、是否为windows系统、pip指令和CUDA的版本（CUDA可以向下兼容）

5.将选择好的指令复制到终端，回车

6. 等待下载安装（大约 2-3GB，需要较长时间，如果下载失败，跳转到步骤六，先换一个国内镜像源，再重新安装）

7.如果设置了镜像，下载还是很慢，可以手动下载PyTorch的离线安装包whl文件

步骤如下

7.1 打开官网https://download.pytorch.org/whl/torch_stable.html

7.2根据你的电脑配置，找到对应的 whl 文件

举例说明：

假设你的配置是：

• Python 3.11
• CUDA 12.1
• Windows 64 位
• 安装torch2.2.2
  这里的版本匹配可以让AI帮你分析

需要找以下文件：

① torch（核心库）：

torch-2.2.2+cu121-cp311-cp311-win_amd64.whl

② torchvision（视觉库）：

torchvision-0.17.2+cu121-cp311-cp311-win_amd64.whl

③ torchaudio（音频库）：

torchaudio-2.2.2+cu121-cp311-cp311-win_amd64.whl

7.3按 Ctrl + F 打开搜索框搜索关键词，例如 cu121-cp311，找到对应文件，点击后会自动下载。

7.4将下载的文件保存到一个文件夹（例如：D:\py\），根据第二步激活虚拟环境，

7.5输入下述指令切换到刚刚保存安装包的文件夹，例如

cd D:\py

7.6 安装三个 whl 文件

pip install 文件名
例如：

pip install torch-2.2.0+cu121-cp310-cp310-win_amd64.whl
pip install torchvision-0.17.2+cu121-cp310-cp310-win_amd64.whl
pip install torchaudio-2.2.0+cu121-cp310-cp310-win_amd64.whl

7.7每一步看到 "Successfully installed" 表示安装成功 ✅

8.验证 PyTorch 安装，在命令提示符中输入 python 进入 Python 交互环境，依次输入以下代码（每输入一行按一次回车），如果显示版本号（例如：2.2.2），说明 PyTorch 安装成功 ✅

import torch
print(torch.__version__)

9.验证 GPU 是否可用（仅限 GPU 版本），输入下列指令，如果显示 True，说明 GPU 可以使用 ✅， 如果显示 False，说明 CUDA 配置有问题，需要检查。

print(torch.cuda.is_available())

10.键盘按ctrl +z，回车

或者

输入 exit() ，回车退出 Python 交互环境

-------------------------------------------我是分割线-----------------------------------------------

五、安装PyTorch-CPU 版

适用于：

• 没有独立显卡的电脑；只是学习和测试，不需要训练大模型；笔记本电脑（省电）

安装步骤：

1.打开命令提示符（Win + R → cmd）

2. 参照第二大步，激活虚拟环境，然后先升级 pip 本身

python -m pip install --upgrade pip

3.打开pytorch的官网https://pytorch.org/

4. 下滑找到配置界面，选择pip、cpu，点击【Previous versions of PyTorch】

5.找到想要安装的版本，复制指令，例如我想下载toorch2.2.2,找到v2.2.2,选择windows+pip指令+cpu版本

6. 将刚刚的指令复制到终端，回车等待安装。

pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cpu

7. 等待下载安装（需要一段时间，如果下载失败，跳转到步骤六，先换一个国内镜像源，再重新安装）。看到 "Successfully installed" 表示安装成功 ✅

8.验证安装

在命令行输入 python 回车，进入 Python 环境，然后输入下面两行：

import torch
print(torch.__version__)

能打印出版本号（如 2.2.2+cpu）且没有任何红色报错，就是装好了。输入 exit() 退出。

⚠️CPU 版装完后 torch.cuda.is_available() 会返回 False，这是正常的------CPU 版本来就不能用显卡，不要慌。

----------------------------------------------------------------------------------我是分割线--------------------------------------------------------------------------------

六、给 pip 换国内镜像源

本教程二的第5步是单独安装某个库是用镜像源，也可以统一设置镜像源，方法如下：

1.pip 是 Python 的"应用商店"，用来安装各种库。默认从国外服务器下载，速度极慢甚至失败。换成清华大学的镜像源后，速度能快 10 倍以上。

打开命令行（Win + R → 输入 cmd → 回车），复制粘贴下面这一整行，回车：

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

看到 Writing to C:\Users...\pip.ini 就成功了，以后所有 pip 安装都会自动走清华源。

2.验证镜像源，输入以下命令测试，如果下载速度很快，说明镜像源配置成功！

pip install numpy

3.如果想删除 pip 镜像源配置，恢复使用官方源，有以下方法：

方法一：命令删除（推荐）

打开命令提示符，输入：

pip config unset global.index-url

看到提示信息说明删除成功 ✅

方法二：手动删除配置文件

按 Win + R，输入：%APPDATA%\pip

找到 pip.ini 文件，直接删除

或者打开 pip.ini，删除里面的内容后保存

验证是否删除成功

输入以下命令查看当前配置：

pip config list

如果没有输出或没有 global.index-url 这一行，说明镜像源已删除 ✅

此时 pip 会使用官方源：https://pypi.org/simple

如果不想用清华源，也可以换成其他国内镜像：

阿里云：

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

腾讯云：

pip config set global.index-url https://mirrors.cloud.tencent.com/pypi/simple/

中国科技大学：

pip config set global.index-url https://pypi.mirrors.ustc.edu.cn/simple/

--------------------------------------------------------------------------------我是分割线----------------------------------------------------------------------------------

六+、在pycharm中载入安装好的虚拟环境

选项① 新建项目

1.文件->新建项目

2.选择项目存储位置，路径最后是项目的名称，选择【自定义环境】、【选择现有】，python路径点击右侧文件夹小图标

3.在弹出的文件夹，或者展示的列表中找到你的虚拟环境文件夹，进入Scripts文件夹内选择python.exe，双击它

4.点击创建

5.右下角会展示环境名+python版本

选项②为现有项目更换虚拟环境

1.若目前已有项目，想更换虚拟环境，那么点击右下角的环境名称

2.在展示的菜单中选择【解释器设置】

2.首先看下拉菜单有没有想要的虚拟环境，选择，点击确定

3.如果下拉菜单没有想要的，就点击【添加解释器】->【添加本地解释器】

4.【选择现有】->【点击文件夹图标】，重复选项① 新建项目的2-4步。

完成！

-----------------------------------------------------------------------------我是分割线--------------------------------------------------------------------------------

七、常见报错速查表（七、八、九为AI补充内容）

7.1 Python 相关

Q: 命令提示符中输入 python 提示"不是内部或外部命令"？

• A: 重新安装 Python，务必勾选 "Add Python to PATH"，或手动配置

Q: 已经安装了其他版本的 Python，需要卸载吗？

• A: 不需要，可以多个版本共存，但建议在 PyCharm 中明确指定使用 Python 3.11

7.2 PyCharm 相关

Q: PyCharm 找不到 Python 解释器？

• A: 点击右下角的 "Add Interpreter" → "System Interpreter"，手动浏览到 Python 安装目录（通常在 C:\Users\你的用户名\AppData\Local\Programs\Python\Python310\python.exe）

Q: PyCharm 运行代码很慢？

• A: 第一次运行会建立索引，比较慢，后续会变快

7.3 PyTorch 相关

Q: 安装 PyTorch 时下载速度很慢？

• A: 检查是否配置了 pip 镜像源（参见第六部分）

Q: GPU 版本的 PyTorch 检测不到 GPU（torch.cuda.is_available() 返回 False）？

• A: 检查步骤：
  1. 确认显卡驱动已安装（运行 nvidia-smi 检查）
  2. 确认 CUDA 版本与 PyTorch 版本匹配
  3. 重启电脑后再试

Q: 安装 PyTorch 时提示空间不足？

• A: GPU 版本的 PyTorch 需要约 5GB 空间，确保 C 盘有足够空间

7.4 CUDA 相关

Q: 安装了 CUDA 但 nvcc 命令无法使用？

• A:
  1. 重启电脑
  2. 检查环境变量中是否有 CUDA 的路径
  3. 手动添加：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin

Q: 我应该安装哪个版本的 CUDA？

• A: 推荐 CUDA 11.8，兼容性最好。如果你的显卡比较新，也可以安装 CUDA 12.1

---

八、推荐学习路径

完成以上安装后，建议按以下顺序学习：

1. Python 基础（1-2周）

   • 变量、数据类型、条件语句、循环
   • 函数、列表、字典
   • 文件操作

2. NumPy 和 Pandas（1周）

   • 数组操作
   • 数据处理

3. PyTorch 基础（2-3周）

   • 张量（Tensor）操作
   • 自动微分
   • 构建简单神经网络

4. 深度学习实战

   • 图像分类
   • 目标检测
   • 参加比赛

---

九、有用的资源

• Python 官方教程：https://docs.python.org/zh-cn/3/tutorial/
• PyTorch 官方教程：https://pytorch.org/tutorials/
• PyTorch 中文文档：https://pytorch-cn.readthedocs.io/
• 深度学习入门课程：吴恩达《深度学习专项课程》

---

附录：一键检查脚本

创建一个 Python 文件（例如 check_env.py），复制以下代码：

import sys
print("=" * 50)
print("环境检查脚本")
print("=" * 50)

# 检查 Python 版本
print(f"\n1. Python 版本: {sys.version}")

# 检查 PyTorch
try:
    import torch
    print(f"2. PyTorch 版本: {torch.__version__}")
    print(f"3. CUDA 是否可用: {torch.cuda.is_available()}")
    if torch.cuda.is_available():
        print(f"4. CUDA 版本: {torch.version.cuda}")
        print(f"5. GPU 设备名称: {torch.cuda.get_device_name(0)}")
    else:
        print("4. 当前使用 CPU 版本")
except ImportError:
    print("2. PyTorch 未安装")

# 检查其他常用库
libs = ['numpy', 'pandas', 'matplotlib']
print(f"\n6. 其他库检查:")
for lib in libs:
    try:
        __import__(lib)
        print(f"   - {lib}: ✅ 已安装")
    except ImportError:
        print(f"   - {lib}: ❌ 未安装")

print("\n" + "=" * 50)
print("检查完成！")
print("=" * 50)

运行这个脚本，可以快速检查你的环境配置是否正确。

⚠️环境配置是深度学习的第一道门槛，报错是常态，不要慌。遇到报错时，把红色报错信息的最后几行复制下来搜索，或交给 AI 助手分析，90% 的问题都有现成答案。