准备环境：装好Python和PyTorch

在开始之前，你需要一台电脑（Windows/Mac/Linux都可以），然后安装Python（一种编程语言，就像电脑的“翻译官”，让代码能运行）。推荐从官网 python.org 下载最新版，安装时记得勾选“Add Python to PATH”。接着打开命令行（Windows搜索“cmd”，Mac搜索“终端”），输入以下命令安装PyTorch（一个AI工具包，帮你快速搭建模型）：

• 访问 pytorch.org，选择你的系统、安装方式（一般选pip）和CUDA版本（新手选None）。
• 复制生成的命令，比如：pip install torch torchvision torchaudio，粘贴到命令行回车。
• 等待下载完成，看到“Successfully installed”就成功了。

常见坑：如果下载慢，可以换成国内镜像源，比如在命令后加 -i https://pypi.tuna.tsinghua.edu.cn/simple。

下载预训练模型：拿现成的AI大脑

预训练模型就像已经学会很多知识的“AI大脑”，你直接拿来用就行。我们用Hugging Face（一个模型仓库，像应用商店一样下载模型）。打开命令行，安装transformers库：

• 输入 pip install transformers 回车。
• 新建一个Python文件（比如叫 test.py），用记事本打开，写下这几行代码：

1. from transformers import BertTokenizer, BertForSequenceClassification（导入一个叫BERT的模型，它能理解文字情感）。
2. model_name = 'bert-base-uncased'（指定模型名称）。
3. tokenizer = BertTokenizer.from_pretrained(model_name)（加载分词器，把句子拆成模型能懂的片段）。
4. model = BertForSequenceClassification.from_pretrained(model_name)（加载模型）。

运行这个文件（命令行输入 python test.py），会自动下载模型文件（大约400MB），耐心等待。常见坑：网络中断会报错，重新运行即可。

验证是否成功：跑一条测试数据

模型下载完后，我们来测试它能不能工作。在同一个文件里追加代码：

• inputs = tokenizer('I love AI!', return_tensors='pt')（把句子转成模型输入格式）。
• outputs = model(**inputs)（让模型预测）。
• print(outputs.logits)（打印结果，会看到两个数字，代表正面/负面概率）。

再次运行 python test.py，如果看到类似 tensor([[ 0.2345, -0.1234]]) 的输出，就说明成功了！数字正数越大表示越正面，负数越大表示越负面。

下一步可以做什么

你已经迈出了AI实践的第一步！接下来可以：

• 换一个句子测试，比如 “This is terrible.”。
• 用自己收集的数据微调模型（即迁移学习，让模型学会新任务）。
• 尝试其他模型，比如GPT-2（生成文本）或ViT（识别图片）。