2、实验环境搭建：Python、PyTorch、Matplotlib 安装与验证

好，咱们直接进入正题。做深度学习实验，环境搭不好，后面全是坑。我见过太多同学花一整天装环境，最后发现是 Python 版本不对——这种时间浪费，说实话挺冤的。

这一章，我会带你一步步把 Python、PyTorch 和 Matplotlib 装好，并且写几行代码验证它们能不能跑。嗯，跟着我来，十分钟搞定。

2.1 Python 环境准备

我个人习惯用 Python 3.8 到 3.11 之间的版本。PyTorch 对 3.12 的支持还不算太稳，咱们别给自己找麻烦。

第一步：检查是否已安装 Python

打开终端（Windows 用 cmd 或 PowerShell，Mac/Linux 用 terminal），敲下面这行：

python --version

如果看到类似 Python 3.9.13 的输出，说明已经有了。如果提示「未找到命令」，那就得去官网下载。

第二步：安装 Python（如果没有）

• 去 python.org 下载对应系统的安装包
• 安装时记得勾选 「Add Python to PATH」——这个忘了勾，后面会哭
• 装完再跑一遍 python --version 确认

2.2 创建虚拟环境（强烈推荐）

为什么需要虚拟环境？说白了，就是隔离项目依赖。你同时做两个项目，一个用 PyTorch 1.13，一个用 2.0，没有虚拟环境的话，它们会打架。

我个人习惯用 venv，Python 自带的，轻量又好用：

# 创建虚拟环境（在项目目录下执行）
python -m venv mlp_env

# 激活环境
# Windows:
mlp_env\Scripts\activate
# Mac/Linux:
source mlp_env/bin/activate

激活后，终端前面会出现 (mlp_env) 字样，说明你已经在虚拟环境里了。这时候装的所有包，都只在这个环境里生效。

2.3 安装 PyTorch

PyTorch 的安装命令，去官网 pytorch.org 生成最靠谱。它会根据你的系统、CUDA 版本自动给出命令。

我这里给一个 CPU 版本的示例（如果你没有 NVIDIA 显卡，或者暂时不想折腾 CUDA）：

pip install torch torchvision torchaudio

如果你有 GPU，想用 CUDA，那命令会变成这样（以 CUDA 11.8 为例）：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

2.4 安装 Matplotlib

这个简单，一行命令搞定：

pip install matplotlib

Matplotlib 是我们画图的主力工具。后面实验里，你会用它画 loss 曲线、精度曲线、还有 MLP 的决策边界。嗯，它长得可能有点「复古」，但功能绝对够用。

2.5 验证安装

装完别急着关终端。咱们写几行代码，验证一下所有东西能不能正常工作。

新建一个 Python 文件，比如 check_env.py，把下面代码贴进去：

import torch
import matplotlib.pyplot as plt
import numpy as np

# 1. 检查 PyTorch 版本
print("PyTorch 版本:", torch.__version__)

# 2. 检查是否有 GPU
device = "cuda" if torch.cuda.is_available() else "cpu"
print("正在使用设备:", device)

# 3. 创建一个简单的张量，验证计算
x = torch.tensor([1.0, 2.0, 3.0])
y = torch.tensor([4.0, 5.0, 6.0])
z = x + y
print("张量加法结果:", z)

# 4. 用 Matplotlib 画一个简单的图
plt.plot([1, 2, 3], [4, 5, 6])
plt.title("环境验证 - 测试绘图")
plt.xlabel("X")
plt.ylabel("Y")
plt.savefig("test_plot.png")  # 保存图片，不弹窗
print("测试图片已保存为 test_plot.png")

print("\n✅ 所有验证通过！环境搭建成功。")

然后在终端运行：

python check_env.py

如果看到类似下面的输出，说明环境没问题：

PyTorch 版本: 2.1.0
正在使用设备: cpu
张量加法结果: tensor([5., 7., 9.])
测试图片已保存为 test_plot.png

✅ 所有验证通过！环境搭建成功。

2.6 常见问题与避坑

我整理了几个我遇到过、或者学员常问的问题，你大概率也会碰到：

问题	原因	解决办法
pip 安装超时	默认连的是国外源，速度慢	用国内镜像：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名
torch.cuda.is_available() 返回 False	PyTorch 版本与 CUDA 版本不匹配	去官网重新生成命令，或者装 CPU 版本先用着
Matplotlib 中文乱码	默认字体不支持中文	在代码开头加：plt.rcParams['font.sans-serif'] = ['SimHei']
虚拟环境激活后 pip 还是全局的	PATH 环境变量顺序问题	用 python -m pip 代替 pip

2.7 本章小结

到这步，你的实验环境应该已经搭好了。我们装了 Python、PyTorch 和 Matplotlib，并且用一段验证代码确认了它们能正常工作。

下一章，我们会开始生成实验数据，并且实现一个最简单的 MLP 模型。到时候这些工具就会真正派上用场了。

如果你在安装过程中遇到任何问题，别硬扛。检查一下是不是漏了某个步骤，或者看看终端报错信息——大部分问题，报错里其实已经告诉你答案了。