前言

PyTorch 是一个开源的 深度学习框架，由 Facebook 的人工智能研究团队（FAIR）开发。它广泛应用于学术研究和工业界，用于构建和训练神经网络，特别擅长处理自然语言处理（NLP）、计算机视觉（CV）等任务。Pytorch支持多种后端和硬件平台，适用于不同的操作系统和计算设备。其中，英伟达系列 GPU 社区生态最完善。本教程介绍以 pip 为主的 Pytorch 安装¹。

CPU平台

1. 创建 Pytorch 的虚拟环境，Python 版本的最低要求为 3.9。

   如果不指定Python版本，默认与 base 环境保持一致，关于 conda 的安装，参考 Anaconda/Miniconda安装教程

   conda create -n torch 
   

2. 激活新建的环境，根据 Pytorch 官网 的安装教程，输入如下命令：

   pip3 install torch torchvision torchaudio
   

   其中 torchvision 为计算机视觉库，torchaudio 为音频处理库，根据个人需求选择。

3. 验证是否安装成功，输入如下命令，如果出现 torch 版本+cpu 证明安装成功。

   python -c "import torch;print(torch.__version__)"
   

   如：2.6.0+cpu

NVIDIA GPU 平台

1. 在终端输入 nvidia-smi 查看当前设备以及驱动配置下支持的 CUDA 的最高版本：

   nvidia-smi
   

   如果该命令不存在，可能是驱动未正确配置。
   

2. 在 Pytorch 官网，寻找对应 CUDA 版本的安装命令。

   pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
   

   

   pip 会自动安装所需的 CUDA 的各种依赖，无需手动去配置 CUDA，cuDNN 等。
   对于网络不佳的用户，可以在 pip 安装界面找到下载链接 ：
   
   或者进入--index-url 的链接，根据 CUDA 和 Python 版本寻找对应的 .whl 包，通过支持断点续传的下载器进行下载，下载完成后，通过如下命令安装：

   pip3 install xxx.whl
   

   xxx.whl 表示下载完成的 .whl 包的路径。

3. 等待安装完成，输入如下指令，验证 GPU 支持是否正常开启。

   python -c "import torch; print(f'{torch.version.__version__}\n{torch.version.cuda}\n{torch.cuda.is_available()}')"
   

   以 torch2.6.0版本为例，输出：

   2.6.0+cu126
   12.6
   True
   

旧版本安装

1. 进入 Previous versions of Pytorch
   
2. 查找对应版本的 pip 或者 conda 指令，复制，输入到虚拟环境终端。
   其中带有 --index-url 的 pip 指令对应的是 GPU 版本的包。
   
3. 安装结束后按照先前的步骤判定是否安装成功。

国内镜像安装

1. CPU版本
   对于 CPU 版本，国内的 pypi 镜像都提供了对应的安装包，与 Pytorch 的 官方 pypi 一致，仅提供 CPU 版 本的包，参考 Anaconda/Miniconda安装教程 的 pypi 相关操作进行配置即可。

2. GPU 版本
   目前提供 Pytorch GPU 版的国内镜像较少，目前已知的有²：

   名称	地址	文档地址
   阿里云 PyTorch 镜像站	https://mirrors.aliyun.com/pytorch-wheels	https://developer.aliyun.com/mirror/pytorch-wheels
   上海交通大学镜像站	​https://mirror.sjtu.edu.cn/pytorch-wheels	https://mirrors.sjtug.sjtu.edu.cn/docs/pytorch-wheels

   经测试，直接替换链接而不替换安装命令式无法正确安装的，正确的安装指令是³：

   pip3 install torch torchvision torchaduio -f https://mirrors.aliyun.com/pytorch-wheels/cu126