对于刚接触深度学习的开发者来说，环境配置往往是第一道坎。本文将手把手带你从零开始，在 Windows 10/11 上完成 PyTorch 的安装与配置，并集成 VSCode 开发环境，让你快速进入实战阶段。

一、准备工作：硬件检测与软件安装

在开始之前，先确认你的电脑是否配备 NVIDIA 独立显卡。GPU 版的 PyTorch 在训练模型时速度可达 CPU 版的 10～50 倍。打开任务管理器（

任务管理器（Ctrl + Shift + Esc）
），点击“性能”标签，查看 GPU 一栏：

  • 如果显示 
    NVIDIA GeForce
    （如 NVIDIA GeForce RTX 3060），则可以安装 GPU 版 PyTorch。
  • 如果显示 
    AMD Radeon
Intel UHD
    （如 Intel UHD Graphics 或 AMD Radeon），则只能使用 CPU 版本。
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

确认硬件后，我们需要安装两个基础软件：

  • Python 环境：推荐使用 Anaconda，它内置了 Python、pip、conda 以及大量科学计算库，省去单独配置的麻烦。下载地址：
    https://www.anaconda.com/download
  • 代码编辑器：VSCode 轻量且功能强大，支持 Python、JavaScript、TypeScript、Go、C++ 等多种语言。下载地址：
    https://code.visualstudio.com/

提示：如果你熟悉其他语言（如 JavaScript、TypeScript、Go），也可以后续在 VSCode 中一并配置，打造统一开发环境。

二、创建并激活 PyTorch 专用环境

为了避免与其他项目产生依赖冲突，强烈建议为 PyTorch 创建一个独立的 conda 环境。打开 Anaconda Prompt（

Anaconda Prompt
），输入以下命令创建新环境：

conda create -n torch python=3.10

系统会提示确认，输入 

y
并回车。等待环境创建完成后，激活它：

conda activate torch

激活成功后，命令行前缀会显示 

(torch) C:\Users\你的用户名>
，表示当前处于 torch 环境中。

⚠️ 注意事项：后续所有安装和运行操作都必须在这个环境中进行，否则 VSCode 可能找不到 PyTorch。

三、安装 PyTorch

PyTorch 的安装命令取决于你的硬件和 CUDA 版本。以下分两种情况：

  • CPU 版本（通用，推荐初学者）：直接使用官方源安装，运行 
    python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
    ，等待 1～3 分钟即可。
  • GPU 版本（需 NVIDIA 显卡）：请前往 PyTorch 官网获取与你 CUDA 版本匹配的命令。示例命令如下：
    python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

安装过程中会看到类似 

Downloading torch-2.x.x
Downloading torchvision
Downloading torchaudio
Installing collected packages
的进度提示。如果下载速度缓慢，可以尝试更换国内镜像源（如清华源），但注意 PyTorch 的部分包可能未被镜像同步。

建议：如果你是 Python 新手，或同时使用其他语言（如 JavaScript、TypeScript、Go、C++），建议先熟悉 conda 环境管理，这对后续多项目开发非常有益。

四、验证安装并集成 VSCode

验证 PyTorch

在终端中运行以下命令：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"
。如果输出类似 
2.x.x+cpu
False
的信息，说明安装成功。各字段含义如下：

输出含义
版本号PyTorch安装成功
False当前使用CPU（没有NVIDIA显卡）

VSCode 配置

打开 VSCode，安装 Python 插件：在扩展商店搜索 

Python
，选择发布者为 
Microsoft
 的插件安装。

接下来选择 Python 解释器：按快捷键 

Ctrl + Shift + P
，输入 
Python: Select Interpreter
，在列表中选择 
torch (3.10.x)
~\anaconda3\envs\torch\python.exe
。成功后，VSCode 左下角会显示 
Python 3.10 ('torch')
。

⚠️ 关键点：如果 VSCode 找不到 PyTorch，99% 的原因是解释器选错了环境。务必确保选中了 torch 环境。

五、测试运行与安装常用库

测试 PyTorch

创建一个测试文件 

test_torch.py
，写入以下代码：

import torch
print("PyTorch version:", torch.__version__)
x = torch.tensor([1,2,3])
print(x * 2)
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

运行（

Run Python File
），如果输出类似 
PyTorch version: 2.x.x+cpu
tensor([2, 4, 6])
 的结果，说明一切正常。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

解释：

PyTorch 环境完全配置成功
表示 PyTorch 已正确识别到 CUDA 可用（GPU 版）或仅支持 CPU。

安装常用 AI 库

建议额外安装以下库，它们能大幅提升你的开发效率：

pip install numpy matplotlib pandas scikit-learn jupyter

各库用途如下：

库用途
numpy数学计算
matplotlib数据可视化
pandas数据处理
scikit-learn机器学习
jupyter交互式实验

测试 matplotlib

创建文件 

import matplotlib.pyplot as plt
x = [1,2,3,4]
y = [1,4,9,16]
plt.plot(x,y)
plt.title("Test Plot")
plt.show()
，写入简单的绘图代码，运行后若弹出图像窗口，则安装成功。

常见问题与解决

  1. pip 不是内部命令：请使用 
    python -m pip install 包名
     而不是 
    pip install
    。确保在 conda 环境中执行。
  2. PyTorch 安装失败：可能原因：镜像源错误或 pip 版本过旧。解决方案：先升级 pip（
    python -m pip install --upgrade pip
    ），然后重新安装。
  3. VSCode 找不到 PyTorch：原因：VSCode 使用了错误 Python 环境。解决方法：按 
    Python: Select Interpreter
     选择 
    torch 环境
    。

重复问题再次强调：

  • pip 问题：使用 
    python -m pip install 包名
     而非 
    pip install
    。
  • 安装失败：升级 pip（
    python -m pip install --upgrade pip
    ）后重试。
  • 环境问题：按 
    Python: Select Interpreter
     选择 
    torch 环境
    。

[AFFILIATE_SLOT_1]

六、进阶建议与延伸

完成基础安装后，你可以进一步探索：

  • 多语言协作：在同一个 VSCode 工作区中，你可以同时编写 Python、JavaScript、TypeScript、Go、C++ 代码，实现前后端与 AI 模型的联动。
  • 模型训练优化：利用 PyTorch 的 torch.jit 或 ONNX 导出模型，并在 Go 或 C++ 生产环境中进行推理。
  • 版本管理：使用 conda 管理不同项目的环境，避免依赖冲突。

[AFFILIATE_SLOT_2]

总结

本文从硬件检测、环境创建、PyTorch 安装到 VSCode 集成，完整演示了 Windows 下深度学习开发环境的搭建流程。核心要点：先确认显卡类型、使用 conda 隔离环境、正确选择 VSCode 解释器。掌握这些，你就能专注于模型开发，而非环境配置。快来动手试试吧！