全程适配《动手学深度学习》课程要求, 当然其他需要也可以使用

---

1.前期准备：确认你的电脑符合条件

简单的步骤如下：

1. 下载 vscode （添加 Python 各类插件，jupyter插件）
2. 下载anaconda
3. 在vscode里创建python并且在列表中选择带「d2l-zh-gpu」的解释器（若没找到：选「Enter interpreter path」→「Browse」，手动找到 Anaconda 安装目录→envs→d2l-zh-gpu→python.exe；）

验证方法：

#在vscode里验证配置是否成功（显示true）
import torch
print("GPU是否可用：", torch.cuda.is_available())

要装的是 GPU 版 PyTorch，先确认硬件达标：

• 显卡：必须是 NVIDIA 独显（比如我的 RTX 3060 Laptop GPU），AMD 显卡暂不支持 PyTorch GPU 加速；
• 系统：Windows 10/11（本文以 Windows 为例，macOS 步骤类似但无 GPU 加速）。

---

第一步：下载并安装 Anaconda（环境管理核心）

Anaconda 是 “环境管家”，能帮我们隔离不同项目的 Python 和依赖包，避免和电脑原有 Python 冲突。

1. 下载 Anaconda

• 官网地址：https://www.anaconda.com/download/success
• 版本选择：选 Python 3.9/3.10 版本（和后续 PyTorch 兼容），直接下载对应 Windows 安装包（64 位）。
• 懒人技巧：官网下载慢的话，搜 “Anaconda 清华镜像”，从国内镜像站下载，速度快 10 倍。

2.在安装过程中会出现一些选项，选择需要的（我是没有修改任何选项直接一路下载的）

3. 验证 Anaconda 安装成功

    按下 Win 键，找到 “Anaconda PowerShell Prompt” 并打开：

• 输入 

  conda --version

• 如果显示  conda 23.x.x（ 版本号不重要，有输出就行），说明装好了；
• 终端开头显示(base)，代表处于 Anaconda 默认环境。

第二步：用 Anaconda 搭建深度学习虚拟环境

1. 创建虚拟环境（命名 d2l-zh-gpu）命名无所谓，起什么都可

在 Anaconda PowerShell Prompt 里输入以下命令，回车执行：

# 创建名为d2l-zh-gpu的环境，指定Python 3.9，自动装pip
conda create -n d2l-zh-gpu -y python=3.9 pip

接着下面出现进度条之类的，自动下载 Python 3.9 并配置基础组件。

2. 激活虚拟环境（每次用都要做！）

环境创建好后，输入命令激活：

conda activate d2l-zh-gpu

注意：这个时候终端开头从(base)变成(d2l-zh-gpu)；

3. 安装课程基础包（jupyter + d2l）

在激活的环境里，输入以下命令安装基础工具包：

# 用清华镜像源安装，速度快且稳定
pip install jupyter d2l -i https://pypi.tuna.tsinghua.edu.cn/simple

• d2l：《动手学深度学习》课程配套包，含课程专属函数、数据和代码模板，不装跑不了课程代码；

4. 安装 GPU 版 PyTorch（核心步骤）

我这边按课程要求装torch==2.7.1（你也可以选择其他的），输入以下命令：

# 装cu118版本的torch，适配NVIDIA显卡
pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu118

5. 验证 PyTorch+GPU 是否可用

这一步是 “验收”，确认环境没装错：

1. 在激活的环境里输入python，进入 Python 交互模式（终端显示>>>）；
2. 逐行输入以下代码，每输一行按回车：

#直接输入
python

（如果正确的话，会出现：
(d2l-zh-gpu) PS C:\Users\你的用户名> python
Python 3.9.19 (main, Mar  9 2026, 11:00:00) [MSC v.1937 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>>）

接着：输入

import torch
torch.cuda.is_available()

• 如果输出 True → GPU 版 PyTorch 安装成功，能调用显卡

退出：

exit()