准备工作：你需要安装什么？

在开始之前，先了解几个关键工具：Python 是一种简单易学的编程语言，AI 项目大多用它来写代码；Anaconda 是一个打包好的 Python 环境，帮你免去手动安装各种库的麻烦；PyTorch 是脸书开发的 AI 框架，用来快速搭建和训练模型。你只需要一台能上网的电脑（Windows/Mac/Linux 均可）。

安装步骤：一步步来

1. 下载并安装 Anaconda：访问 官网，选择对应系统的安装包。安装时勾选“Add Anaconda to my PATH environment variable”（Windows 用户注意）。
2. 验证安装：打开终端（Windows 用命令提示符或 PowerShell），输入 conda --version，如果显示版本号则成功。
3. 创建并激活虚拟环境：输入 conda create -n ai_env python=3.9 创建一个名为 ai_env 的环境，然后输入 conda activate ai_env 激活它。虚拟环境可以隔离不同项目，避免依赖冲突。
4. 安装 PyTorch：访问 PyTorch 官网，选择你的系统、包管理器（Conda）和 CUDA 版本（无 GPU 选 None）。复制生成的命令并执行，例如 conda install pytorch torchvision torchaudio cpuonly -c pytorch。
5. 测试安装：在终端输入 python -c "import torch; print(torch.__version__)"，若输出版本号则成功。

跑通第一个模型：识别图像

我们用一个预训练好的模型来识别图片中的物体，无需自己训练。新建一个 Python 文件（比如 test.py），粘贴以下代码：

import torch
from torchvision import models, transforms
from PIL import Image
import requests

# 下载一张测试图片
url = 'https://raw.githubusercontent.com/pytorch/hub/master/images/dog.jpg'
img = Image.open(requests.get(url, stream=True).raw)

# 加载预训练模型
model = models.resnet18(pretrained=True)
model.eval()

# 图像预处理
preprocess = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]),
])
input_tensor = preprocess(img).unsqueeze(0)

# 预测
with torch.no_grad():
    output = model(input_tensor)

# 读取 ImageNet 标签
labels_url = 'https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt'
labels = requests.get(labels_url).text.strip().split('\n')

# 输出前 3 个最可能的类别
_, indices = torch.topk(output, 3)
for i in indices[0]:
    print(labels[i])

在终端运行 python test.py，如果看到类似“golden retriever”的结果，恭喜你，第一个 AI 模型跑通了！

常见坑与下一步

• 坑 1：网络问题——下载模型或图片超时，可以换用国内镜像源（如清华源）或手动下载。
• 坑 2：版本冲突——确保 PyTorch 版本与 Python 兼容，建议用 Python 3.8-3.11。
• 下一步：尝试用自己的图片替换 url，或者学习用 PyTorch 训练一个简单分类器（官方教程很友好）。