这一章的目标
把 PyTorch 装好，写 3 行代码确认它能正常工作。
不要在这一步卡住。如果踩坑了，看本章后面的“踩坑与常见问题”。
先说结论：你只需要装 Python 和 PyTorch 两样东西。
如果你电脑上还没有 Python，去 python.org 下载安装。安装时注意勾选 "Add Python to PATH"（Windows 用户尤其要看清楚这个选项，用于将 Python 的 bin 目录添加到环境变量，你可以在命令行直接执行命令）。
📌 术语：Python 版本
教程里用到的语法基本都是 Python 3.6+ 就支持的，所以你装 3.8、3.9、3.10、3.11 都没问题。但不要去装 Python 2.x，那个太老了。
装好后打开终端（Windows 按
Win+R，输入cmd），敲下面这个命令检查：python --version如下图：
应该显示类似 Python 3.10.x 就行（笔者这里显示 Python 3.13.5）。
PyTorch 是目前最流行的深度学习框架之一（另一个是 TensorFlow）。你可以把它理解成一个"搭积木工具箱"——它帮你把神经网络的各种组件（层、激活函数、优化器等等）都封装好了，你只需要像搭积木一样把它们拼起来就行。
官网：https://pytorch.org/get-started/locally/
装 PyTorch 只需要一行命令。但这里有个坑：PyTorch 分 CPU 版和 GPU 版。
CPU 版：用电脑的处理器训练，速度慢但不需要显卡，任何电脑都能跑
GPU 版：用 Nvidia 显卡训练，速度快但需要你的显卡支持 CUDA
对于我们这个 MNIST 项目来说，数据量很小，CPU 训练完全够用（整个训练也就几分钟）。所以我强烈建议你先装 CPU 版，跑通了再说。
可以直接在官网根据需要选择版本、操作系统、安装方式、语言等，自动帮您生成执行命令，如下图：
打开终端，执行：
pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu这行命令干了什么：
torch是 PyTorch 的核心库
torchvision是 PyTorch 官方出的图像处理工具包，我们后续加载 MNIST 数据集会用
--index-url指定从 PyTorch 官方的 CPU 源下载（默认源可能没有 CPU 版）
等它下载安装完就行。
下面是笔者本机执行的记录，由于已经安装过所以安装非常快：
C:\Users\Administrator> pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
Looking in indexes: https://download.pytorch.org/whl/cpu
Requirement already satisfied: torch in D:\Program Files\Python313\Lib\site-packages (2.13.0)
Requirement already satisfied: torchvision in D:\Program Files\Python313\Lib\site-packages (0.28.0)
Requirement already satisfied: filelock in D:\Program Files\Python313\Lib\site-packages (from torch) (3.25.2)
Requirement already satisfied: typing-extensions>=4.10.0 in .\AppData\Roaming\Python\Python313\site-packages (from torch) (4.16.0)
Requirement already satisfied: setuptools>=77.0.3 in D:\Program Files\Python313\Lib\site-packages (from torch) (82.0.0)
Requirement already satisfied: sympy>=1.13.3 in D:\Program Files\Python313\Lib\site-packages (from torch) (1.14.0)
Requirement already satisfied: networkx>=2.5.1 in D:\Program Files\Python313\Lib\site-packages (from torch) (3.6.1)
Requirement already satisfied: jinja2 in D:\Program Files\Python313\Lib\site-packages (from torch) (3.1.6)
Requirement already satisfied: fsspec>=0.8.5 in D:\Program Files\Python313\Lib\site-packages (from torch) (2026.7.0)
Requirement already satisfied: numpy in D:\Program Files\Python313\Lib\site-packages (from torchvision) (2.3.1)
Requirement already satisfied: pillow!=8.3.*,>=5.3.0 in D:\Program Files\Python313\Lib\site-packages (from torchvision) (12.2.0)
Requirement already satisfied: mpmath<1.4,>=1.1.0 in D:\Program Files\Python313\Lib\site-packages (from sympy>=1.13.3->torch) (1.3.0)
Requirement already satisfied: MarkupSafe>=2.0 in D:\Program Files\Python313\Lib\site-packages (from jinja2->torch) (3.0.2)
[notice] A new release of pip is available: 26.0.1 -> 26.1.2
[notice] To update, run: python.exe -m pip install --upgrade pip💡 要不要用 conda？
如果你本来就在用 Anaconda/Miniconda（https://www.anaconda.com/），也可以用 conda install 装 PyTorch。如果你不知道 conda 是什么，就别管了，直接 pip 装就行。对新手来说 pip最省事。
装好之后，在 Python 里跑下面这 3 行代码，确认一切正常：
import torch
# 创建一个包含 [1, 2, 3] 的张量（可以简单理解成"数组"）
x = torch.tensor([1, 2, 3])
print(x) # 输出: tensor([1, 2, 3])
print(x + 1) # 输出: tensor([2, 3, 4])
print(torch.__version__) # 输出类似: 2.0.1+cpu如果输出跟上面类似，恭喜你，环境搞定了。
笔者执行过程如下：
C:\Users\Administrator> python
Python 3.13.5 (tags/v3.13.5:6cb20a2, Jun 11 2025, 16:15:46) [MSC v.1943 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> x = torch.tensor([1,2,3])
>>> print(x)
tensor([1, 2, 3])
>>> print(x+1)
tensor([2, 3, 4])
>>> print(torch.__version__)
2.13.0+cpu
>>>📌 新术语：张量（Tensor）
第一次看到 "tensor" 这个词可能觉得很高大上，其实它就是 PyTorch 里的一种多维数组。
一维张量 = 向量 = 比如
[1, 2, 3]二维张量 = 矩阵 = 比如一张表格
三维张量 = 比如一张彩色图片（长 × 宽 × RGB 3 个通道）
第 2 章会详细讲，现在你知道它"就是个数组"就行。
以下不是必需的，但会让写代码更舒服：
# matplotlib：画图用的（第 9 章可视化要用）
pip install matplotlib
# scikit-learn：机器学习工具库（第 8 章评估模型用，主要是混淆矩阵）
pip install scikit-learn
# numpy：科学计算库（PyTorch 内部其实也在用）
pip install numpy如果你懒得一个个装，我整理了一个 requirements.txt，内容如下：
torch>=2.0.0
torchvision>=0.15.0
matplotlib>=3.5.0
scikit-learn>=1.0.0
numpy>=1.20.0保存后用 pip install -r requirements.txt 一键安装。
注意：python 中使用 requirements.txt 来存放项目的依赖，类似 Java 项目的 pom.xml。
可能是 Python 安装时没勾选 "Add Python to PATH"。解决方法：
重装 Python，这次记得勾选那个选项（或者找到 Python 的安装目录，将 python.exe 所在的目录添加到 PATH 环境变量，关闭命令行，重新打开命令行即可）
或者用 python -m pip install ... 代替 pip install ...
正常，因为在国内访问国外服务器有时候很慢。你可以试试换清华镜像源：
pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple注意：清华源的 torch 包可能需要指定具体版本，否则可能装不上。如果上面命令报错，还是用 PyTorch 官方源。
很可能是 Python 版本太新或太旧。试试 Python 3.9 或 3.10，这两个版本兼容性最好。
去 pytorch.org 首页，选择你的 CUDA 版本，网站会自动给你生成安装命令。不过对于本教程，CPU 就够用了，先把整个流程跑通再说。
注意，这里的 CUDA，是 NVIDIA 显卡的并行计算平台，让 GPU 跑张量运算，加速神经网络训练。
你现在应该：
✅ Python 装好了
✅ PyTorch CPU 版装好了
✅ import torch 不报错
下一章我们开始和 MNIST 手写数字数据集"见面"。
点击查看完整的检查环境是否安装正确示例代码。
川公网安备51010802032098