PyTorch 本地环境安装与验证清单

综合实践 · 12_深度学习原理与经典论文路线/PyTorch本地环境安装与验证清单.md

PyTorch 本地环境安装与验证清单

一句话定义

这份清单用于把“notebook 文件存在”推进到“我能在本地运行、解释 shape/loss、写入学习证据”。

当前判断

先运行：


& 'C:\Users\小王神棍\.cache\codex-runtimes\codex-primary-runtime\dependencies\python\python.exe' '12_深度学习原理与经典论文路线\scripts\check_environment.py'

如果输出里 torch: missing，说明当前 Python 不能完整运行 PyTorch notebook。

方案 A：conda 环境

适合已经安装 Anaconda 或 Miniconda 的情况。


conda create -n dl-study python=3.11 -y

conda activate dl-study

pip install torch torchvision torchaudio

pip install jupyter matplotlib numpy

验证：


python -c "import torch, numpy, matplotlib; print(torch.__version__); print(torch.cuda.is_available())"

如果能打印 torch 版本，说明基本可用。torch.cuda.is_available() 为 False 不影响 CPU toy demo。

方案 B：普通 venv 环境

适合没有 conda，但本机有 Python 的情况。


python -m venv .venv

.\.venv\Scripts\activate

python -m pip install --upgrade pip

pip install torch torchvision torchaudio

pip install jupyter matplotlib numpy

验证：


python -c "import torch, numpy, matplotlib; print(torch.__version__); print(torch.cuda.is_available())"

安装后重新检查

用新环境的 Python 运行：


python 12_深度学习原理与经典论文路线\scripts\check_environment.py

预期至少看到：


torch: ok version=...

numpy: ok version=...

matplotlib: ok version=...

如果 jupyter 仍是 missing，运行：


pip install jupyter

notebook 运行顺序

先跑最能形成证据的 3 个：

07_notebooks/dl_01_word2vec_embeddings.ipynb
07_notebooks/dl_03_attention_qkv.ipynb
07_notebooks/dl_07_lora_linear.ipynb

再跑其余：

07_notebooks/dl_02_resnet_block.ipynb
07_notebooks/dl_04_mini_gpt_causal_lm.ipynb
07_notebooks/dl_05_bert_mlm_toy.ipynb
07_notebooks/dl_06_scaling_law_chinchilla_toy.ipynb
07_notebooks/dl_08_diffusion_denoising_toy.ipynb

每跑完一个 notebook 必须记录

复制到 结业证据档案.md 的 notebook 和代码证据表：


notebook：

是否运行：

关键 shape：

loss/输出解释：

未覆盖论文部分：

证据位置：

合格记录示例


notebook：dl_03_attention_qkv.ipynb

是否运行：已在 dl-study 环境运行

关键 shape：Q/K/V 为 [batch, seq, d_model]，attention score 为 [batch, seq, seq]

loss/输出解释：这个 notebook 没有训练 loss，重点是 softmax attention weight 如何对 V 做加权求和

未覆盖论文部分：没有复现 multi-head attention 的完整训练，也没有复现 Transformer 的 encoder-decoder 结构

证据位置：daily_logs/Day16_学习记录.md

不合格记录

不要这样写：


notebook 跑通了。

原因：无法证明你理解输入、输出、shape、loss 或局限。

常见问题

安装 torch 很慢

这是正常的。优先保证 CPU 版本能用，不需要一开始配置 GPU。

CUDA 不可用

入门 toy demo 可以用 CPU。不要把 GPU 配置当作当前学习瓶颈。

notebook 跑通但看不懂

先只记录 3 个 shape，再写一个问题。例：


我能看懂输入 shape 和输出 shape，但还不懂为什么 attention score 是 [seq, seq]。

这个问题可以写入 错题与薄弱点复盘.md。

给 AI 的环境排错提示词


我正在运行深度学习入门 notebook。请帮我排查环境问题。



我的命令输出：

【粘贴 check_environment.py 输出】



要求：

1. 判断当前是否能运行 PyTorch notebook

2. 如果不能，指出缺哪个包

3. 给出最小安装命令

4. 不要建议我先配置 GPU，除非 CPU 已经可用

5. 安装后告诉我应该重新运行哪个检查命令