企业官网建设流程全解析

很多刚开始接触深度学习的朋友，都会遇到同一个“入门第一课”——装 d2l 库。这个库是《动手学深度学习》一书的配套代码库，里面封装了课本里用到的数据集加载、模型训练、绘图工具等一系列函数，装好它基本就能跟着书里的代码一路跑下去。但问题恰恰出在安装这一步，尤其 Windows 用户，大概率会撞上一个 PermissionError: [WinError 5] 拒绝访问。我自己就踩过这个坑，而且翻了不少帖子才搞明白到底怎么回事。这篇东西把完整经验写出来，从环境准备、常规安装流程到权限错误的根源和多种解决方案，一步不落，照着操作基本能绕开所有雷区。

这个指南适合两类人：一类是刚装完 Anaconda、正准备装 d2l 的学习者，另一类是被 PermissionError 折磨了半天、已经想重装系统的倒霉蛋。我会先讲清楚安装前要做哪些准备工作，再给出一套可以“无脑复制”的安装流程，然后专门把 PermissionError 的来龙去脉拆开揉碎讲明白，最后附上完整的解决方案和常见问题速查表。

1. 安装前必须搞清楚的几件事

1.1 d2l 库到底是什么，为什么装它容易翻车

d2l 全称是 dive into deep learning，是《动手学深度学习》官方配套的 Python 工具库。它不是一个大型框架，更像一个“学习辅助工具箱”，主要做了三件事：封装数据集加载（比如 Fashion-MNIST、房屋价格预测数据集）、封装模型训练和评估的辅助函数、封装绘图和可视化工具。换句话说，框架本身是 PyTorch 或 TensorFlow 干的活，d2l 只是让你写代码时少重复造轮子。

它翻车的原因也跟这个定位有关——d2l 依赖的底层库比较多，安装时会顺带拉取 numpy、pandas、matplotlib、requests 等一堆包。如果本机环境里已经有旧版本的这些库，或者 Anaconda 安装时权限设置不规范，pip 在安装过程中就可能出问题，最常见的错误就是PermissionError: [WinError 5] 拒绝访问。很多新手看到这个错直接懵了，以为是自己操作不当，其实更多是 Windows 系统权限模型和 Anaconda 默认安装方式之间的冲突。

注意：d2l 本身是纯 Python 包，理论上装起来很轻量。真正的坑不在 d2l，而在你本机的 Python 环境和权限配置。

1.2 环境准备：Anaconda、虚拟环境和 Python 版本怎么选

安装 d2l 之前，先把环境梳理清楚。默认读者已经装好了 Anaconda，如果还没装，建议直接去清华大学开源软件镜像站下载最新版 Anaconda3，安装时有两个关键点：

第一，安装路径尽量不要带中文和空格，推荐直接装在某个盘的根目录下，比如D:\Anaconda3。路径里有中文会导致部分 Python 包编译失败，有空格会导致命令行工具解析异常，这些都是我用实际教训换来的经验。

第二，安装过程中会遇到“Add Anaconda3 to my PATH environment variable”的选项。新版安装器默认不勾选，这里建议不勾选，因为把 Anaconda 加进系统 PATH 会跟系统自带的 Python 产生冲突。我见过太多人勾了之后打开命令行就出现各种莫名其妙的报错，后面还得手动改环境变量才能恢复。

Python 版本方面，d2l 目前对 Python 3.8 到 3.11 都兼容良好，Anaconda 最新版自带的 Python 版本直接用就行。如果你打算用 GPU 版 PyTorch，要注意 PyTorch 对 Python 版本有明确要求，推荐在创建虚拟环境时使用 Python 3.9 或 3.10，这两个版本对 PyTorch 和 d2l 的兼容性最稳定。

最后是虚拟环境的建议——一定、一定、一定要为深度学习单独创建一个虚拟环境，不要直接用 base 环境。原因很简单：深度学习相关库的依赖更新很快，如果直接装在 base 环境，哪天你把某个库升级了，可能连带把 d2l 依赖的版本搞坏，然后整个环境都崩了。单独的环境隔离出去，随便折腾都不影响系统基础环境。

2. 常规安装流程：一步一步照着来

2.1 创建并激活 conda 虚拟环境

先从开始菜单找到“Anaconda Prompt”并打开。这里有一个细节：右键选择“以管理员身份运行”。虽然不是所有安装问题都能靠管理员权限解决，但至少能排除一部分权限相关的干扰，后面我们还会专门讨论这个操作到底有多大作用。我自己的习惯是一开始就管理员运行，避免不必要的麻烦。

接着创建一个独立环境，执行以下命令：

conda create -n d2l python=3.10 -y

这行命令的意思是用 Python 3.10 版本创建一个名叫 d2l 的新环境。-y参数是跳过确认提示，直接安装。如果你电脑上已经装过 PyTorch 或其他深度学习框架，注意版本兼容性，建议 d2l 环境单独用，不要和已有环境混合使用。

创建完成后激活环境：

conda activate d2l

激活成功后，命令行前面会显示(d2l)前缀。这一步没反应或者报错，通常是因为 Anaconda 安装时没有正确写入初始化配置，可以执行conda init cmd.exe修复，然后重启命令行再试。

2.2 用 pip 安装 d2l 的完整流程

环境激活后，第一件事是确认当前环境关联的 Python 和 pip 路径没问题：

where python where pip

正常情况下，两个命令的结果都应该指向新创建的d2l环境目录，比如D:\Anaconda3\envs\d2l\python.exe。如果第一个结果出来的是系统自带的 Python 路径，说明环境没有激活成功，回去检查上一步。

接下来安装 d2l 之前，我建议先升级 pip，因为新版 pip 对包依赖解析更完善，安装时不容易出问题：

python -m pip install --upgrade pip

然后正式安装 d2l：

pip install d2l

就这么简单。正常情况下 pip 会自动拉取 d2l 及其所有依赖包。安装过程中会看到大量的下载进度条，这是正常的，说明依赖开始装上了。如果这里直接出现漫天的红色报错，画面定格在PermissionError: [WinError 5] 拒绝访问，恭喜你，踩到了微软系统上最经典的权限坑。先不要急着重装系统，往下看第 3 节。

安装完成后，用一段小代码验证是否真的可用：

import d2l print(d2l.__version__)

如果能看到版本号输出，说明环境已经没问题了。如果弹出来ModuleNotFoundError: No module named 'd2l'，大概率是当前命令行还在 base 环境，重新conda activate d2l后再试。

2.3 验证环境完整性的额外检查

只验证 d2l 能不能导入还不够，深度学习环境通常还需要确认 PyTorch 是否正常工作。d2l 在导入时并不会自动拉起 PyTorch，所以很多人在装完 d2l 后跑代码才发现 PyTorch 缺失。

先安装 PyTorch CPU 版：

pip install torch torchvision

然后验证：

import torch print(torch.__version__) print(torch.cuda.is_available())

这里建议先确认一下自己的显卡和 CUDA 环境，因为 PyTorch 的安装方式会直接影响后续能否用 GPU 训练。由于 d2l 的学习过程主要以 CPU 运行为主，前期不折腾 GPU 也没问题，先保证 CPU 版能跑通，后续有需要再单独装 CUDA 版就行。

提示：如果代码里经常用到 matplotlib 绘图，建议顺手把matplotlib也确认一下，d2l 虽然会自动安装，但某些特殊版本的 matplotlib 在 Windows 上会出现中文字体显示问题，这个属于另一个坑了。

3. PermissionError 深度剖析：为什么会拒绝访问

3.1 错误信息的正确解读

当你看到PermissionError: [WinError 5] 拒绝访问。 error loading "D:\Users\ww117\anaco...这段报错时，先别慌，把这行字拆开看。

WinError 5是 Windows 系统级错误码，意思是“拒绝访问”，也就是当前进程没有权限去读取或修改某个文件、目录或注册表项。后半句error loading说明的是具体动作——加载某个文件失败。很多人第一次看到“拒绝访问”以为是网络问题或者代码问题，其实它压根跟网络没关系，是 Windows 的访问控制列表（ACL）机制在这个时刻起作用了。

3.2 根源分析：Windows 权限模型与符号链接问题

Windows 从 NTFS 文件系统开始就有一套严格的权限控制机制，每一个文件或目录都可以配置独立的访问控制列表，指定哪些用户或用户组能对该文件做什么操作。Anaconda 默认安装到系统盘用户目录下，比如C:\Users\用户名\anaconda3，有时候也会用管理员权限装到C:\ProgramData\Anaconda3，不同位置权限情况完全不同。

这里要解释一个关键环节——符号链接（symlink）问题。Windows 下创建符号链接默认需要管理员权限，普通用户运行 pip 时没有这个权限。在安装 d2l 这类包含大量依赖的库时，pip 会在 Python 的 site-packages 目录下创建一些链接文件，如果某一步操作因为权限问题失败，整个安装过程就中断了。这是新版 pip 在 Windows 上的通病。

热词里有用户在报错信息里出现“error loading 之后是乱码路径”，这个路径通常指向 Anaconda 目录下的 DLL 文件或依赖库。WinError 5 经常伴随这个提示，一般是当前用户对该目录缺少写权限，而 pip 需要在该目录下创建临时文件和缓存文件。这个问题在 conde 基座目录位于C:\ProgramData或者用户权限被修改过的系统里尤其严重。

3.3 为什么管理员身份不是万能药

很多教程会直接告诉你“用管理员身份运行 Anaconda Prompt”，我实测下来这个操作能解决部分问题，但绝对不是万能药。原因在于 Anaconda 安装完成后，它的目录权限并不是靠“管理员身份”就能完全覆盖的。

举个例子，如果 Anaconda 装在用户目录C:\Users\ww117\anaconda3，当前用户正常情况下对它拥有完全控制权，管理员身份反而可能触发用户账户控制（UAC）机制，让 pip 进程在高权限和低权限模式之间跳来跳去，偶尔还会出现“明明用了管理员却还是报错”的诡异情况。

更深层的原因是 Anaconda 目录层级复杂，里面很多子目录和文件的权限继承关系并不一致。管理员身份能提升进程权限，但 Windows 的权限控制还有一个基本原则：就算你是管理员，如果文件本身的 ACL 里显式拒绝了你，管理员也无法访问（除非先修改 ACL）。所以根本解决之道不是“以更高的权限去访问”，而是“把目录的权限配置调整正确”。

4. 完整的 PermissionError 解决方案

4.1 方案一：调整 Anaconda 目录权限（推荐）

这个方案是我折腾了多次之后最终采用的，也是解决 WinError 5 最直接的办法。核心思路是：把 Anaconda 所在目录的完全控制权授予当前用户，让 pip 在安装依赖时能自由读写。

首先找到 Anaconda 安装目录。如果你忘了装在哪里，打开 Anaconda Prompt，执行以下命令：

where conda

它会显示 conda 的可执行文件路径，比如C:\Users\ww117\anaconda3\Scripts\conda.exe，那么 Anaconda 根目录就是C:\Users\ww117\anaconda3。

然后打开文件资源管理器，进入这个路径的上级目录，右键点击 anaconda3 文件夹，选择“属性”，切到“安全”选项卡，点击“编辑”按钮。在“组或用户名”列表里找到你的用户名（比如 ww117），在下方权限列表里勾选“完全控制”，点击“应用”再点“确定”。

Windows 会弹出一个提示：“正在设置安全信息”，需要等待它递归应用到所有子目录和文件。这一步可能会持续几分钟，尤其当 Anaconda 目录里已经装了大量包时，耐心等它跑完。

完成之后重新打开 Anaconda Prompt，激活环境，再次执行：

pip install d2l

正常情况下，PermissionError 就不会再出现了。

4.2 方案二：更换安装方式与镜像源

如果方案一操作完还是报错，或者你压根不想动目录权限设置，可以尝试更换安装路径和源。

第一种做法是把虚拟环境建到用户目录之外的地方，比如直接建到D:\d2l_env：

conda create -p D:\d2l_env python=3.10 -y

-p参数指定的是完整路径，而不是环境名，这样环境文件会存在D:\d2l_env下，避开了系统盘的权限约束。激活方式也稍微不同：

conda activate D:\d2l_env

第二种做法是采用国内镜像源。清华源和阿里源都能有效解决部分超时报错，但注意 PermissionError 不是网络问题，换源本身并不直接解决权限问题，它解决的是下载超时导致的安装中断，间接避免了部分误报。如果你本身网络环境不太稳定，建议同时做：

pip install d2l -i https://pypi.tuna.tsinghua.edu.cn/simple

这个命令告诉 pip 使用清华 PyPI 镜像下载包，下载速度会明显改善。但请记住，如果系统本身就提示 WinError 5，换源无法根治，只是能排除网络诱因，把权限问题暴露得更清楚。

4.3 方案三：重建用户级环境（干净彻底）

如果你不想动系统目录权限，又觉得建D:\d2l_env太麻烦，还有一个思路：用 pip 的--user参数安装到用户目录。

pip install --user d2l

--user会把包安装到当前用户的 site-packages 目录下，通常是C:\Users\ww117\AppData\Roaming\Python\Python310\site-packages，这个位置天然对当前用户开放完全访问权，理论上不会出现权限问题。

但这里有个坑：d2l 的依赖包如果也用了--user安装，而 PyTorch 装在 Anaconda 环境里，两部分可能互相找不到。所以我更推荐的做法是：如果要用--user方案，干脆把 PyTorch 也用--user装一次，确保所有包都在同一个用户目录下。

实测下来，--user方案适合只想快速跑通课本代码、不追求环境整洁的读者。缺点是后续管理起来比较散乱，安装的包分布在不同目录下，卸载和升级都不太好操作。

5. 常见问题与排查技巧实录

5.1 经典报错速查表

安装 d2l 遇到的报错五花八门，但大部分都能归为几类，整理成表格方便对照：

5.2 子进程报错与安装中断的排查思路

热词里有“下载 d2l 时子进程报错”，这是安装依赖过程中很常见的一种现象。pip 在安装某个包时，会调用该包的 setup.py 执行构建，这个子进程如果因为权限或路径问题退出，pip 就会报出“Subprocess ... exited with error”一类提示。

具体排查思路分三步：先看报错前最后安装的是哪个包，这个包名会在报错日志上方显示；再单独安装这个包试试，比如报错指向的是 matplotlib，就单独执行pip install matplotlib看能否成功；最后如果单独装也报错，优先怀疑目录权限问题，直接按第 4 节的方案一处理。

5.3 命令行闪退与 conda init 问题

装完 Anaconda 之后打开命令行闪退，这个情况比 PermissionError 更折磨人。出现闪退通常因为 Anaconda 的初始化脚本在命令行启动时自动执行，但脚本路径有问题或者环境变量配置错误。

解决方法是重新初始化 Anaconda，打开一个新的命令提示符，执行：

conda init cmd.exe

然后完全关闭命令行窗口再重新打开。

还有一个通用技巧：如果你的 Windows 系统自带 Python，并且已经加入 PATH，那么打开 Anaconda Prompt 后执行 python 时，可能跳到系统 Python 而不是 Anaconda 的 Python。解决办法是在 Anaconda Prompt 里执行：

where python

如果第一个结果是系统 Python 的路径，就执行where python对比确认，然后用完整的 Anaconda Python 路径代替python命令来安装：

C:\Users\ww117\anaconda3\python.exe -m pip install d2l

这样绕过系统 Python 对命令解析的干扰。

5.4 我踩过的三次坑汇总

最后分享一些操作层面的经验，这些细节教程里不会写，但每一个都可能让你多折腾一个小时。

第一次踩坑是直接在 base 环境装 d2l，装到一半提示 numpy 版本冲突，卸载 numpy 时又把 Anaconda 自带的 numpy 卸坏了，整个 base 环境的依赖全乱套。从那以后我建了独立环境，这个习惯让我后面少走了很多弯路。

第二次踩坑是用了管理员身份运行后仍然报 WinError 5，当时很崩溃。后来排查发现，Anaconda 目录虽然显示“完全控制给当前用户”，但实际子目录权限继承被关闭了，部分靠近底层的 site-packages 目录根本没有继承父目录的权限授权。解决办法是把父目录的权限重置成“继承”模式——如果方案一步骤执行完仍然报错，大概率就是权限继承没生效，需要重点检查 anaconda3 目录下Lib\site-packages的权限。

第三次踩坑是安装 d2l 后跑代码时提示缺少requests库。原因是 pip 安装时因为网络中断，依赖包没有装完整，但 d2l 本身已经装好了。这时候你重新执行pip install d2l它也不报错，因为 d2l 已经存在，pip 不会自动补齐缺失的依赖。解决办法是执行pip install requests手动补装，或者用pip install --force-reinstall d2l强制重装所有依赖。

提示：pip check是一个很容易被忽略但很实用的命令，安装完任何包后执行一下，它会自动检测当前环境所有依赖是否完整，哪里有问题直接告诉你。

6. 附：一条命令完成全部安装（推荐收藏）

如果你嫌看这么多字太累，我给你一条化简到极致的“懒人安装路径”，在 Anaconda Prompt 里逐行执行：

conda create -n d2l python=3.10 -y conda activate d2l pip install torch torchvision pip install d2l -i https://pypi.tuna.tsinghua.edu.cn/simple python -c "import d2l; import torch; print('d2l', d2l.__version__, 'torch', torch.__version__)"

前提是你已经按第 4.1 节的方法把 Anaconda 目录权限设置好了。如果最后一步正常输出版本号，直接打开 Jupyter 开始跟着课本跑代码吧。如果中间任何一步报错，回看对应的章节排查。

我个人在实际操作中最大的体会是：Windows 环境下很多 Python 库安装问题，本质上不是库的问题，而是系统权限配置和路径管理的问题。装 d2l 只是深度学习之路的第一道坎，把权限这个底层逻辑理解了，后面再装其他库再遇到类似报错，你至少知道往哪个方向排查，而不是一头扎进重装系统的不归路。