应先确认是否具备NVIDIA GPU及CUDA兼容性：执行nvidia-smi查看驱动支持的最高CUDA版本，Python需为3.8–3.12；无GPU选CPU版（conda install pytorch torchvision torchaudio cpuonly -c pytorch），有GPU且驱动支持CUDA 11.8/12.x则装GPU版（如pytorch-cuda=12.1），最后用torch.cuda.is_available()和真实矩阵运算验证。
在Windows系统上安装PyTorch以支持机器学习训练模型，需先确认硬件是否具备NVIDIA GPU并满足CUDA兼容性要求，再选择匹配的安装路径——若无独立显卡或仅需快速验证代码逻辑，应直接安装CPU版本；若已安装驱动且显卡支持CUDA 11.8或12.x，则可部署GPU加速环境。
确认硬件与基础环境
按 Win + R 输入 cmd 回车，执行：
```nvidia-smi```
若窗口顶部显示“NVIDIA-SMI has failed”，说明未安装显卡驱动或非NVIDIA显卡；若显示驱动版本（如536.67）和右侧“CUDA Version: 12.2”，则记录该数字——它代表当前驱动**最高支持的CUDA运行时版本**，后续PyTorch必须选用≤12.2的CUDA构建包。
接着检查Python与Conda是否就位：
```conda --version && python --version```
输出中Python版本必须为3.8～3.12之间（PyTorch 2.6+已停止支持3.8，但旧项目仍需兼容；新项目请用3.9+）。若未安装，前往Anaconda官网下载Anaconda3-2023.07或更新版，安装时务必勾选“Add Anaconda to my PATH environment variable”。
安装CPU版本（无GPU/快速验证首选）
打开Anaconda PowerShell Prompt（非普通CMD），执行以下命令创建专用环境并安装：
```conda create -n pt-cpu python=3.10```
```conda activate pt-cpu```
```conda install pytorch torchvision torchaudio cpuonly -c pytorch```
这一步会自动解析依赖并跳过所有GPU相关组件。安装完成后立即验证：
```python -c "import torch; print(torch.__version__); print(torch.rand(2,3))"```
若输出类似 tensor([[0.1234, 0.5678, 0.9012], [0.3456, 0.7890, 0.2345]])，说明CPU版已就绪。
安装GPU版本（需CUDA支持）
第一步：进入PyTorch官方历史版本页 https://pytorch.org/get-started/previous-versions/ ，根据你之前查到的CUDA Version（例如12.2）选择对应栏位——注意不要选“CUDA 12.x”最新稳定版命令，而要找标注“CUDA 12.1”或“CUDA 12.2”的旧版安装行，因为CUDA 12.2驱动不向下兼容12.3编译的wheel。
Windows 桌面自动化技能，支持鼠标控制（移动/点击/拖拽/滚轮/截图）、键盘输入（文字输入/按键/组合键）、窗口管理（查找/聚焦/最大化/最小化/关闭/移动）、截图并发送文件。提供两种截图方式：Python pyautogui 截图（集成在自动化流程中）和 PowerShell + .NET 零依赖截图（支持区域截图和多显示器）。当用户需要自动化 Windows 桌面操作、控制鼠标键盘、管理窗口、执行 GUI 自动化任务、截图发送文件时使用。
第二步：确保当前环境已激活（如名为pt-gpu的conda环境），粘贴并执行该行conda命令，例如：
```conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia```
第三步：强制校验CUDA可用性：
```python -c "import torch; print(torch.cuda.is_available()); print(torch.cuda.device_count()); print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'No GPU')"```
【若第一行输出False，请立即停止】——常见原因是conda从镜像源错误拉取了cpuonly包，此时需先运行 conda uninstall pytorch torchvision torchaudio 清理，再用pip重装：
```pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121```
验证训练能力（关键收尾操作）
在已激活的环境中启动Python交互模式：
```python```
依次输入以下三行代码并回车：
```import torch```
```x = torch.randn(1000, 1000, device='cuda' if torch.cuda.is_available() else 'cpu')```
```y = torch.mm(x, x.t())```
若无报错且y.shape显示torch.Size([1000, 1000])，说明张量已在指定设备完成矩阵乘法——这代表你的PyTorch已具备实际训练模型所需的底层计算能力。
