准备环境：你需要装什么？

在开始之前，先确认你的电脑有 Python（一种编程语言，AI 项目最常用）和 pip（Python 的包管理工具）。如果还没装，去 python.org 下载最新版，安装时记得勾选“Add Python to PATH”。

然后打开终端（Windows 用 cmd 或 PowerShell，Mac/Linux 用终端），输入以下命令安装核心库：

• pip install torch torchvision torchaudio —— 这是 PyTorch，一个深度学习框架，让训练模型变得简单。
• pip install monai —— 这是 MONAI，专门为医学图像设计的工具包，包含很多现成的模型和数据处理函数。
• pip install jupyter matplotlib —— Jupyter 是写代码的交互式环境，matplotlib 用来画图。

常见坑：如果安装慢，可以加国内镜像源，比如 pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple。

安装步骤：跑通第一个例子

安装完成后，我们用一个 MONAI 自带的例子来验证环境是否正常。打开终端，输入：

1. git clone https://github.com/Project-MONAI/tutorials.git —— 下载官方教程代码。
2. cd tutorials/2d_segmentation/torch —— 进入文件夹。
3. jupyter notebook —— 启动 Jupyter，浏览器会自动打开。
4. 在 Jupyter 界面中点击 unet_training_dict.ipynb 文件。
5. 依次点击“运行”按钮（或按 Shift+Enter）执行每个代码块。

如果一切顺利，你会看到训练进度条和损失值下降，最后生成一张分割结果图。恭喜！你跑通了第一个深度学习模型。

常见坑：如果报错“ModuleNotFoundError”，说明某个包没装，用 pip 补装即可。如果内存不足，可以减少图片尺寸或使用 CPU 模式（代码中设置 device='cpu'）。

验证是否成功：检查关键点

跑完后，可以检查以下几点确认一切正常：

• 终端没有红色报错信息。
• Jupyter 输出中显示了训练轮次（epoch）和损失值（loss），并且损失值在逐渐减小。
• 最后画出的图片中，原始图像、标签和预测结果三者看起来形状相似。

如果这些都满足，说明你的环境已经搭建成功，可以开始学习更多 AI 知识了。

下一步可以做什么

现在你已经有了一个可用的环境，可以尝试：

• 修改数据集路径，换成自己的图片（注意格式要匹配）。
• 调整 超参数（比如学习率、批量大小），观察模型表现的变化。
• 阅读 MONAI 官方文档，了解更多预训练模型和数据处理工具。

记住：入门阶段，理解数据比调参更重要。多花时间看看你的输入图片和标签是否正确，很多问题都出在这里。