一、安装前准备

1. 硬件检查

• GPU用户：运行 nvidia-smi 确认CUDA版本（如12.1/11.6）
• CPU用户：跳过CUDA步骤

2. 软件要求

• Python 3.8-3.10（推荐3.8，兼容性最佳）
• Conda（推荐Miniconda3）

3. 配置国内镜像（加速下载）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

二、分场景安装方案

▶ 场景1：仅CPU环境

# 创建环境
conda create -n dl_env python=3.8
conda activate dl_env

# 安装核心包（CPU版）
conda install pytorch=2.0.1 torchvision torchaudio cpuonly -c pytorch
conda install opencv=4.5.0 dlib=19.22 tensorflow=2.6.0 -c conda-forge

▶ 场景2：GPU环境（NVIDIA显卡）

# 创建环境
conda create -n gpu_env python=3.8
conda activate gpu_env

# 安装PyTorch（根据nvidia-smi显示的CUDA版本选择）
conda install pytorch=2.0.1 torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

# 安装其他包（自动匹配CUDA版本）
conda install opencv=4.5.0 dlib=19.22 tensorflow=2.6.0 cudatoolkit=12.1 -c conda-forge

三、验证安装

import torch, cv2, dlib, tensorflow as tf

# PyTorch
print(f"PyTorch版本: {torch.__version__}, GPU可用: {torch.cuda.is_available()}")
print(f"当前GPU: {torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'CPU'}")

# 其他库
print(f"OpenCV版本: {cv2.__version__}")
print(f"Dlib版本: {dlib.__version__}")
print(f"TensorFlow版本: {tf.__version__}")

预期输出：

PyTorch版本: 2.0.1, GPU可用: True  # GPU环境
OpenCV版本: 4.5.0
Dlib版本: 19.22.0
TensorFlow版本: 2.6.0

四、冲突解决方案

1. numpy 版本冲突

• 强制使用兼容版本：

conda install numpy=1.21 -c conda-forge --force-reinstall

2. opencv-python 与 opencv-contrib 冲突

• 使用conda-forge的OpenCV：

conda remove opencv-python -y
conda install opencv=4.5.0 -c conda-forge

3. CUDA不可用

• 检查驱动匹配：

nvidia-smi  # 显示的CUDA版本需≥conda安装的cudatoolkit版本

• 重新安装驱动：NVIDIA驱动下载页

五、版本兼容表

包名称	CPU推荐版本	GPU推荐版本	备注
Python	3.8	3.8	基础环境
PyTorch	2.0.1	2.0.1+cu12.1	GPU需匹配CUDA版本
TensorFlow	2.6.0	2.6.0	GPU版自动启用CUDA
OpenCV	4.5.0	4.5.0	从conda-forge安装
Dlib	19.22	19.22	无CUDA依赖

六、高级技巧

1. Docker终极方案（避免环境冲突）

# GPU版
docker pull pytorch/pytorch:2.0.1-cuda12.1-cudnn8-runtime

# CPU版
docker pull pytorch/pytorch:2.0.1-cpu

2. Jupyter Lab集成

conda install jupyterlab -c conda-forge
jupyter lab --ip=0.0.0.0 --port=8888