准备工作：你需要什么？

在开始之前，请确保你的电脑可以联网，并且有至少 5GB 的可用磁盘空间。我们不需要高端显卡，纯 CPU 也能跑通。你需要安装以下工具：

• Python：一种流行的编程语言，AI 开发最常用的语言。我们使用 Python 3.8 以上版本。
• pip：Python 的包管理工具，用于安装 Python 库。通常安装 Python 时会自带。
• PyTorch：一个深度学习框架，帮你快速搭建神经网络。相当于 AI 领域的“乐高积木”。

安装步骤

1. 下载并安装 Python：访问 python.org，下载适合你操作系统的安装包（Windows、macOS 或 Linux）。安装时记得勾选“Add Python to PATH”（添加到系统路径），这样你可以在命令行直接使用 python 命令。
2. 验证 Python 安装：打开终端（Windows 用 CMD 或 PowerShell，macOS/Linux 用 Terminal），输入 python --version，如果显示版本号（如 Python 3.9.7），说明安装成功。
3. 安装 PyTorch：在终端输入 pip install torch torchvision torchaudio。这会自动下载并安装 PyTorch 及其依赖。如果你网络慢，可以添加国内镜像源，比如 pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple。
4. 验证 PyTorch 安装：在终端输入 python -c "import torch; print(torch.__version__)"，如果输出版本号（如 1.10.0），说明安装成功。

运行你的第一个 AI 模型

现在我们来跑一个简单的图像识别示例。创建一个新文件 test.py，用记事本打开，复制以下代码：

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

# 加载预训练模型（识别 1000 种物体）
model = models.resnet18(pretrained=True)
model.eval()

# 对输入图片进行预处理
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]),
])

# 读取一张图片（请替换为你的图片路径）
img = Image.open("cat.jpg")
img_t = preprocess(img)
batch_t = torch.unsqueeze(img_t, 0)

# 预测
out = model(batch_t)
_, index = torch.max(out, 1)
print("预测类别编号：", index.item())

在终端运行 python test.py，如果输出一个数字（比如 281 代表猫），说明你的环境完全正常！

下一步可以做什么？

• 学习更多 PyTorch 教程，尝试训练自己的模型。
• 使用 Jupyter Notebook 交互式编程，更直观地调试代码。
• 探索其他 AI 框架，如 TensorFlow 或 Keras。