准备环境

首先，你需要一台电脑（Windows/macOS/Linux 都可以），并安装 Python（一种编程语言，用来写 AI 代码）。建议从 python.org 下载最新版（如 3.10 或 3.11），安装时记得勾选“Add Python to PATH”。

安装步骤

1. 打开终端（Windows 上叫“命令提示符”或 PowerShell，Mac 上叫“终端”）。
2. 输入 pip install torch transformers 并回车。pip 是 Python 的包管理器，用来安装别人写好的代码库。torch（PyTorch）是一个流行的深度学习框架，transformers 是 Hugging Face 提供的模型库，里面有很多现成的 AI 模型。
3. 等待安装完成（可能需要几分钟）。如果遇到网络慢，可以加国内镜像：pip install torch transformers -i https://pypi.tuna.tsinghua.edu.cn/simple。

验证是否成功

运行下面这段代码，它会自动下载一个用于蛋白质的模型（ESM-2），并预测一段序列中被遮住的氨基酸。

• 新建一个文件，比如 test.py，复制以下代码：

  from transformers import AutoTokenizer, AutoModelForMaskedLM
  import torch
  
  tokenizer = AutoTokenizer.from_pretrained("facebook/esm2_t6_8M_UR50D")
  model = AutoModelForMaskedLM.from_pretrained("facebook/esm2_t6_8M_UR50D")
  
  sequence = "M A L  G V L"
  inputs = tokenizer(sequence, return_tensors="pt")
  with torch.no_grad():
      logits = model(**inputs).logits
  
  mask_token_index = torch.where(inputs["input_ids"] == tokenizer.mask_token_id)[1]
  predicted_token_id = logits[0, mask_token_index].argmax(axis=-1)
  predicted_amino_acid = tokenizer.decode(predicted_token_id)
  print("预测的氨基酸:", predicted_amino_acid)

• 在终端运行 python test.py，如果输出类似“预测的氨基酸: A”，则说明环境配置成功。

常见坑：如果报错“No module named 'torch'”，说明 pip 没安装成功，请重试安装步骤。如果报错“Connection error”，可能是网络问题，换镜像源或稍后再试。

下一步可以做什么

你已经成功跑通了第一个 AI 模型！接下来可以：

• 换用其他模型，比如文本模型 bert-base-uncased，把代码中的模型名改掉即可。
• 学习如何用 Hugging Face Hub（模型分享网站）浏览更多预训练模型。
• 尝试用训练好的模型做分类、生成等任务。