当前位置：首页 > news >正文

【收藏级】Windows AI 本地开发「完全体」环境搭建清单

news 2025/9/2 10:57:35

笔记日期：2025 年 09 月 01 日

【收藏级】Windows AI 本地开发「完全体」环境搭建清单
—— 仅列工具名 + 一句话作用 + 官网直达链接，不留版本号，持续可补充

欢迎读者在评论区继续补全；如有更好工具或更新地址，请直接留言，我会定期合并到正文并署上贡献者 ID。

Windows AI 本地开发「完全体」环境搭建清单（简版）

作用：可按清单完善 Windows 系统的 AI 本地开发环境配置。

工具 / 组件	一句话作用	官网直达链接
Windows 10/11 64 位	基础操作系统，建议使用最新正式版	Experience the Power of AI with Windows 11 OS, Computers, & Apps \| Microsoft Windows
WSL2	在 Windows 内运行原生 Linux 环境，方便直接复用 Linux 教程	What is Windows Subsystem for Linux \| Microsoft Learn
NVIDIA GPU 驱动	让显卡被 CUDA / DirectML / Vulkan 等栈识别	https://www.nvidia.com/Download
CUDA Toolkit	NVIDIA 官方 GPU 并行计算开发包	CUDA Toolkit - Free Tools and Training \| NVIDIA Developer
cuDNN	针对深度神经网络的 GPU 加速库	CUDA Deep Neural Network (cuDNN) \| NVIDIA Developer
TensorRT	用于生产环境的高性能推理加速 SDK	TensorRT SDK \| NVIDIA Developer
Python (官方发行版)	最纯净的 Python 解释器	Download Python \| Python.org
Anaconda 或 Miniconda	隔离的虚拟环境与包管理全家桶	Download Anaconda Distribution \| Anaconda
PyTorch	动态图深度学习框架	Get Started – PyTorch
TensorFlow	静态图深度学习框架	https://www.tensorflow.org/install
JAX	高性能自动微分 / GPU & TPU 框架	https://jax.readthedocs.io/en/latest/installation
ONNX Runtime	跨平台、跨框架推理引擎	https://onnxruntime.ai
OpenCV	计算机视觉与图像处理库	https://opencv.org/releases
Hugging Face Transformers	预训练大模型即插即用	https://huggingface.co/transformers
JupyterLab / Notebook	交互式实验与文档一体化	Project Jupyter \| Installing Jupyter
Visual Studio 2022 Community	全功能 IDE（Python + C++ + CUDA 工作负载）	Visual Studio & VS Code Downloads for Windows, Mac, Linux
Visual Studio Build Tools	无 GUI 的 MSVC、CMake、CI 专用	Visual Studio & VS Code Downloads for Windows, Mac, Linux
CMake	跨平台构建系统生成器	Download CMake
MSYS2	MinGW-w64 与 GTK/Qt 等开源库一站式管理	https://www.msys2.org
Node.js	JavaScript 运行时，前端工具链 & AI Web 服务	https://nodejs.org
Git for Windows	版本控制与代码同步	Redirecting…
Docker Desktop	容器化部署与 GPU 容器支持	https://www.docker.com/products/docker-desktop
VS Code	轻量编辑器 + 丰富插件生态	https://code.visualstudio.com
PyCharm Community / Professional	专业 Python IDE	PyCharm: The only Python IDE you need
Ollama	本地一键运行 Llama / DeepSeek 等大模型	https://ollama.ai
LM Studio	图形化本地大模型运行与管理	https://lmstudio.ai
Weights & Biases	实验跟踪与可视化	https://wandb.ai/site
Label Studio	数据标注 & 主动学习平台	https://labelstud.io
Redis	高速缓存 & 对话状态持久化	Downloads \| Redis
PostgreSQL / MySQL	结构化数据存储	PostgreSQL: Downloads https://dev.mysql.com/downloads
Postman / Insomnia	API 调试与测试	Download Postman \| Get Started for Free Download - Insomnia
持续更新	欢迎补充……

关键配置与验证示例

检查项	命令	期望结果
MSVC	`cl`	出现版本号
Node.js	`node -v`	≥22.14.0
CMake	`cmake --version`	≥3.29
CUDA	`nvcc --version`	Release 12.4
GPU 驱动	`nvidia-smi`	驱动 ≥552
PyTorch GPU	`python -c "import torch;print(torch.cuda.is_available())"`	True
TensorFlow GPU	`python -c "import tensorflow as tf;print(tf.test.is_gpu_available())"`	True
其他	……

重要验证示例

验证PyTorch深度学习环境Torch和CUDA还有cuDNN是否正确配置的命令-CSDN博客

进入 Python 环境验证：

import torch  # 导入 PyTorch 库print("PyTorch 版本：", torch.__version__)  # 打印 PyTorch 的版本号# 检查 CUDA 是否可用，并设置设备（"cuda:0" 或 "cpu"）
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print("设备：", device)  # 打印当前使用的设备
print("CUDA 可用：", torch.cuda.is_available())  # 打印 CUDA 是否可用
print("cuDNN 已启用：", torch.backends.cudnn.enabled)  # 打印 cuDNN 是否已启用# 打印 PyTorch 支持的 CUDA 和 cuDNN 版本
print("支持的 CUDA 版本：", torch.version.cuda)
print("cuDNN 版本：", torch.backends.cudnn.version())# 创建两个随机张量（默认在 CPU 上）
x = torch.rand(5, 3)
y = torch.rand(5, 3)# 将张量移动到指定设备（CPU 或 GPU）
x = x.to(device)
y = y.to(device)# 对张量进行逐元素相加
z = x + y# 打印结果
print("张量 z 的值：")
print(z)  # 输出张量 z 的内容