企业官网建设流程全解析

目录

一.前言

二.相关知识

1.Pytorch是什么

2.需要安装Anaconda/CUDA和cuDNN吗

3.pytorchGPU版本为什么更好

三.我的踩坑经历

​四.避坑指南

五.在windons终端安装Pytorch流程

六.感言

一.前言

作为一个刚接触pytorch的小白，我在b站和CSDN上查阅pytorch安装资料，发现要么不够清晰明白，要么太麻烦,对于新手不友好。于是专门写一篇我笔记来记录我踩过的坑和经验，算是帮大家避坑（抱拳）

二.相关知识

1.Pytorch是什么

PyTorch 是 Facebook AI Research 开源的深度学习框架，基于Torch 库并用 Python 封装，底层由 C++ 实现，支持 GPU 加速 和 动态计算图，广泛应用于计算机视觉、自然语言处理等领域。其核心优势在于灵活性高、易调试、与 Python 生态高度融合，非常适合研究与快速原型开发。

2.需要安装Anaconda/CUDA和cuDNN吗

使用Anaconda可以实现对于项目的管理与环境隔离，但我们目前只是新手快速入门，pycharm上普通项目不使用虚拟环境，特殊的小项目（不对python解释器做要求）直接在pycharm上创建虚拟环境+pytorch的cpu版本即可。以后进阶时可以再下载Anaconda。CUDA和cuNDD则是完全不需要，因为pytorch安装包自带适配的CUDA运行库。

3.pytorchGPU版本为什么更好

pytorchGPU版本大约占用2.5G内存，在训练大模型和跑项目时速度比CPU版快不少

三.我的踩坑经历

我先查看了电脑的GPU，确定可以安装pytorch 的GPU版本。
然后在豆包建议下，我在pycharm 上通过终端安装pytorchGPU版，但在创建项目时pycharm默认勾选了虚拟环境，导致另外的项目中访问不到pytorch （坑）。后面我在python全局环境中安装的pytorch ,但是又报错了，错误信息显示有另一个文件正在访问（还是坑）。
于是我关闭了pycharm, 想要直接在电脑cmd命令行中安装pytorch GPU版。使用了豆包提供的清华镜像源（依旧坑，但被豆包坑，会默认下载CPU版本），删掉重下，更换为官方命令，才下好。
以上就是我的pytorch安装坎坷之路，踩了好几个坑，花了不少时间（挺让人崩溃的），大概新手都会这样吧（捂脸.jpg）

四.避坑指南

结合我的经历，我让AI整理了一份避坑指南，将容易踩的坑整理出来，供大家参考

坑1：分不清「全局环境」和「虚拟环境」
在虚拟环境里装了GPU版PyTorch，运行时还是False。装完GPU，新建项目又找不到包
原因：虚拟环境是独立小房间，全局是大客厅，两者完全隔离。
解决：新建项目取消虚拟环境，直接使用全局Python。

坑2：清华源默认装CPU版，而不是GPU版
现象：明明用GPU安装命令，却安装成CPU版，导致 torch.cuda.is_available() = False
原因：清华镜像源默认优先安装轻量CPU版，不自带CUDA。
解决：必须用PyTorch官方源命令：

坑3：安装时报错“文件被占用 / 权限不足”
现象：ERROR: 文件被另一个程序占用，无法安装。
原因：PyCharm后台占用Python进程、权限不够。
解决：
关闭PyCharm，用管理员身份运行CMD安装。

坑4：以为必须手动安装CUDA和cuDNN
现象：看到教程说要手动装CUDA，以为自己漏步骤。
原因：老教程误导，现在PyTorch GPU版自带CUDA运行库。
解决：完全不用手动装CUDA，一条pip命令搞定。

坑5：PyCharm新建项目时，误开启虚拟环境
现象：明明全局装好了GPU，新建项目又重新创建venv，导致环境隔离。
解决：新建项目取消勾选“创建虚拟环境”。

坑6：RTX5060太新，PyTorch版本不匹配，出现红色警告现象：GPU显示True，但提示 sm_120 不兼容。
原因：显卡太新，当PyTorch版本对新架构支持不完全。
解决：新手不用管，不影响学习；追求完美可以装最新Nightly版。

坑7：担心全局环境以后版本冲突
现象：怕以后不同项目需要不同PyTorch版本，全局会乱。
解决: 全局放GPU版，主力深度学习
新项目需要特殊版本 → 创建虚拟环境装CPU版

五.在windons终端安装Pytorch流程

第一步：以管理员身份打开终端

1. 在Windows左下角搜索框，输入： cmd

2. 找到命令提示符，右键 → 以管理员身份运行

第二步：在管理员终端里，执行GPU安装命令

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124 -i https://pypi.tuna.tsinghua.edu.cn/simple

第三步：用命令检查，复制下面代码到终端，回车

python -c "import torch; print('GPU可用：', torch.cuda.is_available())"

直接输出： GPU可用： True ，代表GPU版PyTorch全局安装成功，所有项目都能用

六.感言

在计算机学习中，起步对于学生而言是最为困难的一步。但幸好已经进入了AI时代，不懂的问题可以询问AI，但它给出的回答有不少局限。它就好比一部智能百科全书，能给我们提供各种资料，但真正的思考还要靠我们自己。

本文的部分内容借用了AI的回答，我做了整理并给出自己的思考，于是写了这篇文章。如有不当，欢迎各位大佬指正，本菜鸡尽量改正。