### 详细的PyTorch环境安装指南 #### Anaconda 和 Python 的关系 Anaconda 是一个开源的数据科学平台，包含了 Conda 软件包管理工具以及众多预装的软件包。Python 则是一种高级编程语言，而 PyTorch 是基于 Python 构建的一个机器学习框架。通过 Anaconda 来管理和创建不同的 Python 版本及其对应的开发环境是非常方便的做法[^3]。 #### 安装 Anaconda 并配置源 为了加速下载速度并提高稳定性，在中国地区建议更改默认的 pip 源和 conda 源为国内镜像站点： - **配置 pip 源** 可以编辑 `~/.pip/pip.conf` 文件（Linux 或 macOS），或者 `%APPDATA%\pip\pip.ini` （Windows）。添加如下内容来设置清华 TUNA 镜像站作为新的索引 URL： ```ini [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple ``` - **配置 anaconda 源** 使用命令行执行以下指令切换至 Tsinghua University 的 Anaconda 镜像服务器： ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --set show_channel_urls yes ``` #### 创建虚拟环境 推荐每次新建独立的工作空间用于不同项目，这样可以避免版本冲突等问题。例如要建立名为 "dl_env" 的新环境，并指定 Python 解释器版本号，则运行下面这条语句即可完成操作： ```bash conda create -n dl_env python=3.8 ``` 激活该环境的方法是在终端输入: ```bash conda activate dl_env ``` #### 安装 PyTorch 对于大多数用户来说，最简单的方式就是利用官方提供的一键式脚本来获取最新稳定版 PyTorch 库文件。只需打开命令提示符窗口并将下述代码片段复制粘贴进去就能自动处理好一切必要的依赖项了： CPU-only 版本适合那些没有 NVIDIA 显卡设备的情况；如果计算机支持 CUDA 技术的话则可以选择 GPU 加速版本以获得更好的性能表现。 - **快速安装 CPU 版** ```bash pip install torch torchvision torchaudio cpuonly ``` - **GPU 支持 (CUDA)** 对于拥有兼容硬件条件的朋友而言，应该考虑采用带有 GPU 后端优化过的发行版。具体做法是从官网查询对应自己系统的安装字符串，比如针对 Windows + Python 3.x 用户可能是这样的形式： ```bash pip3 install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 注意这里使用的链接指向的是特定组合下的二进制分发包集合页面，因此务必确认所选组件之间的匹配性以免引起不必要的麻烦。 #### d2lzh_pytorch 包安装 一旦上述步骤顺利完成之后就可以着手准备引入额外的学习资源啦！d2lzh_pytorch 这个第三方扩展库提供了许多实用函数帮助初学者更好地理解掌握深度神经网络原理。按照文档指示直接调用 pip 工具来进行部署是最省事的办法之一： ```bash pip install git+https://gitcode.com/Resource-Bundle-Collection/9393e.git@d2l-zh ``` 此过程会连带拉取所有必需品从而确保整个流程顺畅无阻。