一、写在前面
作为深度学习入门的必经之路，《动手学深度学习》是绕不开的经典教材，但它的d2l 0.17.6 版本对依赖库版本要求极其苛刻，稍不注意就会陷入版本冲突的 “地狱循环”。这篇博客记录了我从环境搭建到成功跑通第一个训练代码的全过程，把所有踩过的坑和对应的解决方法一次性整理清楚，帮你少走弯路。
二、环境基础配置
1. 核心环境
Python 3.9（和 d2l 0.17.6 兼容性最好的版本）
虚拟环境：
torch_gpu（推荐用 venv/conda 隔离环境，避免污染全局）目标：跑通 d2l-zh 教材代码，使用 GPU 加速
2. 初始安装命令
先安装 GPU 版 PyTorch，再安装 d2l：
# 激活虚拟环境 conda activvate 环境名称 # 安装 GPU 版 PyTorch pip install torch==2.2.2 torchvision==0.17.2 --index-url https://download.pytorch.org/whl/cu121 # 安装指定版本 d2l pip install d2l==0.17.6 -i https://pypi.tuna.tsinghua.edu.cn/simple三、版本冲突报错问题与合适的版本适配：
| 库名 | 版本号 | 说明 |
|---|---|---|
| d2l | 0.17.6 | 教材指定版本 |
| jupyter | 1.0.0 | 和 notebook 6.4.12 兼容 |
| notebook | 6.4.12 | 稳定老版本，无兼容性问题 |
| traitlets | 5.4.0 | 解决 warn () 报错 |
| requests | 2.25.1 | d2l 强制要求 |
| matplotlib | 3.5.1 | d2l 强制要求 |
| numpy | 1.21.5 | d2l 强制要求 |
| matplotlib-inline | 0.1.6 | 解决 RcParams 报错 |
一键安装所有兼容版本的命令：
pip install d2l==0.17.6 jupyter==1.0.0 notebook==6.4.12 traitlets==5.4.0 requests==2.25.1 matplotlib==3.5.1 numpy==1.21.5 matplotlib-inline==0.1.6 -i https://pypi.tuna.tsinghua.edu.cn/simple四、启动 Jupyter Notebook & 验证环境
1. 进入教材目录并启动：
# 进入 d2l-zh 教材文件夹，这里我在D盘 cd D:\Deeplearning\d2l-zh # 启动 jupyter notebook jupyter notebook2.选择教材中的代码运行，没有报错则说明环境配置成功！
五、关于卸载 jupyterlab 的说明
很多同学会担心卸载 jupyterlab 有影响，这里明确说明：
完全不影响核心功能：我们用的是传统
jupyter notebook，和 jupyterlab 是两套独立的界面，卸载后不影响打开、运行.ipynb文件。反而解决冲突：jupyterlab 的新版依赖会和老版 d2l 环境冲突，卸载后环境更干净稳定。
后续可按需安装：如果未来想体验 jupyterlab，可以单独新建虚拟环境安装，不影响当前的学习环境。
六、维护避坑指南
不要随意升级依赖库：d2l 0.17.6 是老版本，升级任何依赖都可能引发连锁冲突。
优先用国内镜像源：安装库时加上
-i https://pypi.tuna.tsinghua.edu.cn/simple，避免下载慢或失败。虚拟环境隔离是关键：不要在全局 Python 环境安装，用 venv/conda 单独创建环境，避免影响其他项目。
忽略非关键警告：pip 偶尔会弹出不影响核心功能的依赖警告，只要能正常运行代码，就不用过度纠结。
七、写在最后
版本兼容问题是深度学习入门的第一道坎，看似繁琐，其实只要找到 “核心依赖的指定版本”，所有问题都会迎刃而解。这篇博客整理的所有报错和解决方法，都是亲测有效的实战经验，希望能帮你快速搭建好环境，把精力集中在深度学习学习上，而不是和依赖冲突死磕。
如果你也在搭建 d2l 环境时遇到了其他奇怪的报错，欢迎在评论区留言，我会帮你一起解决！
