Anaconda 与 Pytorch 安装配置

Aug 10, 2025

前言

面向零基础用户，涵盖：

下载安装 Anaconda

配置国内镜像（中科大镜像）

创建并激活虚拟环境

安装 PyTorch（CPU/GPU 通用）

运行线性回归 Demo

1. 下载并安装 Anaconda

系统	下载地址
Windows	Anaconda3-2025.06-0-Windows-x86_64.exe
macOS (Apple Silicon)	Anaconda3-2025.06-0-MacOSX-arm64.sh
Linux	Anaconda3-2025.06-0-Linux-x86_64.sh

安装要点

Windows：双击 .exe，勾选 Add Anaconda to my PATH（可选但推荐）。
macOS 和 Linux：

bash Anaconda3-2025.06-0-MacOSX-arm64.sh
source ~/.bashrc

安装验证

安装完成后，打开 Anaconda Prompt（Win）或 Terminal（macOS/Linux），验证：

conda --version

2. 配置国内镜像（中科大）

创建 ~/.condarc 文件，并添加以下内容：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/r
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.ustc.edu.cn/anaconda/cloud
  bioconda: https://mirrors.ustc.edu.cn/anaconda/cloud

刷新缓存：

# 1. 显示下载地址（便于调试）
conda config --set show_channel_urls yes

# 2. 刷新索引
conda clean -i

3. 创建并激活虚拟环境

# 创建名为 pytorch 的环境，指定 Python 3.12 版本
conda create -n pytorch python=3.12 -y

# 激活（进入）环境
# Windows
conda activate pytorch
# macOS / Linux
conda activate pytorch

4. 安装 PyTorch

conda install pytorch torchvision torchaudio

验证安装：

python -c "import torch; print(torch.__version__)"

5. 运行线性回归 Demo

创建脚本 linear_regression.py

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

# 1. 生成数据
torch.manual_seed(0)
X = torch.randn(100, 1)
true_w, true_b = 3.5, -1.2
y = true_w * X + true_b + 0.8 * torch.randn(100, 1)  # 加噪声

# 2. 定义模型
model = nn.Linear(1, 1)  # y = w * x + b
criterion = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.1)

# 3. 训练
for epoch in range(100):
    pred = model(X)
    loss = criterion(pred, y)

    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

    if epoch % 20 == 0:
        print(f"Epoch {epoch:3d} | Loss {loss.item():.4f}")

# 4. 可视化
plt.scatter(X.numpy(), y.numpy(), label='data')
plt.plot(X.numpy(), model(X).detach().numpy(), 'r', label='fit')
plt.legend(); plt.show()

运行 Demo

# 安装 Matplotlib（若未装）
conda install matplotlib -y

# 运行脚本
python linear_regression.py

终端会打印每 20 轮的损失值，同时弹出一张图： alt 蓝色散点为带噪声的样本，红色直线为训练得到的拟合结果。若斜率和截距接近 3.5 与 -1.2，说明一切正常！

结语

至此，Anaconda 已装好，国内镜像顺畅，PyTorch 环境就绪，线性回归 Demo 也跑通。祝你编码愉快，灵感不断，深度学习之路越走越宽！