准备工作：装好 Python 和 pip

AI 编程一般用 Python（一种简单易学的编程语言）。你需要先安装 Python。建议从 python.org 下载最新稳定版（比如 3.10 或 3.11）。安装时记得勾选“Add Python to PATH”（把 Python 加入系统路径），否则后面会找不到命令。装完后，打开终端（Windows 用 cmd 或 PowerShell，Mac/Linux 用 Terminal），输入 python --version，如果显示版本号就成功了。pip 是 Python 的包管理工具，用来安装各种库。一般装 Python 时会自带 pip，输入 pip --version 检查一下。

安装 PyTorch：AI 的核心库

PyTorch 是一个流行的深度学习框架，类似“AI 的积木盒”，让你能轻松搭建和运行神经网络。打开 PyTorch 官网，选择你的系统（Windows/Linux/Mac）、包管理器（pip）、计算平台（如果没独立显卡就选 CPU，有 NVIDIA 显卡可选 CUDA）。复制生成的命令，比如 pip install torch torchvision torchaudio，粘贴到终端里运行。等待下载安装，过程可能几分钟。安装完可以测试：在终端输入 python -c "import torch; print(torch.__version__)"，如果输出版本号（如 2.0.1）就说明装好了。

运行第一个 AI 模型：图像分类

我们用一个预训练好的模型来识别图片。复制以下代码保存为 test_ai.py：

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

# 加载预训练的 ResNet-18 模型
model = models.resnet18(pretrained=True)
model.eval()

# 下载一张示例图片
url = "https://raw.githubusercontent.com/pytorch/hub/master/images/dog.jpg"
img = Image.open(requests.get(url, stream=True).raw)

# 图片预处理
transform = 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]),
])
img_t = transform(img)
batch_t = torch.unsqueeze(img_t, 0)

# 预测
out = model(batch_t)
with open('imagenet_classes.txt', 'w') as f:
    f.write(requests.get('https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt').text)
with open('imagenet_classes.txt') as f:
    classes = [line.strip() for line in f.readlines()]
_, index = torch.max(out, 1)
percentage = torch.nn.functional.softmax(out, dim=1)[0] * 100
print(f"预测结果：{classes[index[0]]}，置信度：{percentage[index[0]].item():.2f}%")

在终端运行 python test_ai.py，如果输出类似“预测结果：golden retriever，置信度：99.87%”就成功了！注意：第一次运行需要下载模型权重（约 45MB），请保持网络畅通。

常见坑与下一步

常见坑： 1) 安装 PyTorch 时选错版本（比如 CPU 版却装了 CUDA 版，会报错）。2) 图片路径不对，建议用绝对路径或确保文件存在。3) 缺少 Pillow 库：运行 pip install Pillow。

下一步： 你可以尝试用自己的图片替换代码中的 URL，或者学习训练自己的模型。推荐搜索“PyTorch 入门教程”继续探索。