想学AI但不知道怎么开始？别担心，本文从零开始，带你装好环境、跑通第一个模型。你不需要任何AI基础，只要会基本电脑操作就行。

准备环境：装好Python和必要工具

AI开发最常用的语言是Python（一种简单易学的编程语言）。首先从官网下载Python：

• 访问 python.org，点击Downloads，选择适合你系统的版本（推荐3.10或3.11）。
• 安装时记得勾选“Add Python to PATH”（这样电脑才能识别Python命令）。
• 安装完成后，打开命令提示符（Windows搜索cmd）或终端（Mac/Linux），输入 python --version，看到版本号就说明成功了。

接下来安装包管理工具pip（用来下载别人写好的代码包）。一般Python自带pip，在命令行输入 pip --version 检查。如果没有，可以重新安装Python或手动安装。

安装AI依赖库：一行命令搞定

我们要用到一个叫PyTorch的库（一个帮我们快速搭建AI模型的工具包）。打开命令行，输入：

pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu

如果电脑有NVIDIA显卡，可以去掉 --index-url 部分，安装GPU版本（速度更快）。新手建议先装CPU版，省去显卡配置麻烦。

另外还需要numpy（处理数据的工具）和matplotlib（画图的工具），一起安装：

pip install numpy matplotlib

等待下载完成即可。

验证是否成功：跑一个简单的预测模型

为了确认环境没问题，我们写一个极简的预测程序。新建一个文本文件，命名为 test.py，用记事本打开，复制以下代码：

import torch
import numpy as np

# 生成一些模拟数据：时间点 x 和对应的值 y
x = torch.linspace(0, 10, 100)
y = torch.sin(x) + 0.1 * torch.randn(100)

# 定义一个最简单的线性模型
model = torch.nn.Linear(1, 1)

# 训练几步
for step in range(100):
    pred = model(x.unsqueeze(1))
    loss = ((pred - y.unsqueeze(1))**2).mean()
    loss.backward()
    with torch.no_grad():
        model.weight -= 0.01 * model.weight.grad
        model.bias -= 0.01 * model.bias.grad
        model.zero_grad()

print("训练完成！预测值示例：", model(torch.tensor([[5.0]])).item())

在命令行中进入文件所在目录，输入 python test.py，如果看到类似“训练完成！预测值示例：0.5...”的输出，说明一切正常。

下一步可以做什么

你已经成功跑通了第一个AI模型！接下来可以：

• 尝试修改数据或模型结构，观察结果变化。
• 学习《PyTorch官方教程》中文版，从简单的图像分类开始。
• 搜索“时间序列预测”入门项目，用真实数据练手。

记住：AI入门的关键是动手，遇到报错就复制错误信息去搜索，大部分问题都能解决。加油！