很多刚接触AI的同学，第一步就被环境安装卡住了。别怕，这篇文章带你一步步搞定，最终跑通一个真正的AI模型。

第一步：安装Python

• 去Python官网下载最新版本（推荐3.10或3.11）。Python 是一种编程语言，AI开发主要用它。
• 安装时记得勾选 “Add Python to PATH”，否则命令行会找不到python命令。
• 安装完成后，打开命令行（Windows按Win+R，输入cmd；Mac打开终端），输入 python --version，看到版本号就成功了。

第二步：创建虚拟环境

• 虚拟环境可以隔离不同项目的依赖，避免冲突。在命令行中进入你的项目文件夹，输入：python -m venv myenv（myenv是环境名，可改）。
• 激活环境：Windows输入 myenv\Scripts\activate，Mac/Linux输入 source myenv/bin/activate。看到命令行前面出现 (myenv) 就对了。

第三步：安装AI库

• 最常用的AI库是 TensorFlow 或 PyTorch。这里以TensorFlow为例，在激活的环境下输入：pip install tensorflow。
• 如果下载慢，可以加上国内镜像：pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple。

第四步：跑通第一个模型

• 创建一个新文件 test.py，用记事本或VS Code打开，输入以下代码：

import tensorflow as tf
print("TensorFlow version:", tf.__version__)
# 加载内置数据集
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
# 构建一个简单的模型
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
# 训练模型
model.fit(x_train, y_train, epochs=3)
# 评估
model.evaluate(x_test, y_test)

• 在命令行中运行 python test.py，看到训练进度和准确率就说明成功了！

常见坑提醒

• 如果提示 No module named 'tensorflow'，检查是否在虚拟环境中安装了。
• 如果下载太慢，用镜像或换用 PyTorch（安装命令：pip install torch torchvision）。
• 不要同时装多个版本的Python，容易冲突。

现在你已经成功跑通了第一个AI模型！下一步可以尝试修改模型结构、换数据集，或者学习更多AI知识。