2025最强PyTorch安装指南,从零基础到精通，收藏这篇就够了！

最新推荐文章于 2025-05-20 22:31:48 发布

Python_chichi

最新推荐文章于 2025-05-20 22:31:48 发布

阅读量1.2k

点赞数 24

文章标签： pytorch 人工智能 python 网络安全安全系统安全

本文链接：https://blog.csdn.net/Javachichi/article/details/146437293

版权

摘要：还在为PyTorch安装头秃？别怕！这篇保姆级教程，教你用Anaconda/pip两种姿势轻松搞定PyTorch，CPU/GPU版本任你选，CUDA配置不再是噩梦，环境验证一键搞定，解决99%的安装疑难杂症！妈妈再也不用担心我的深度学习了！

一、PyTorch：AI圈的当红炸子鸡

PyTorch，江湖人称“动态图小王子”，是Meta（就是之前的Facebook啦）开源的深度学习框架。它凭借着灵活的动态计算图和友好的用户体验，俘获了一大批研究人员的心。更重要的是，它还支持GPU加速，让你的AI模型跑得飞起！简直是AI开发者手中的屠龙宝刀！

二、磨刀不误砍柴工：安装前的准备工作

硬件体检：
- 确认你的显卡是不是NVIDIA家的，如果是，恭喜你，可以考虑装GPU版PyTorch了！当然，前提是你的显卡得支持CUDA才行哦。
- Windows用户请自觉安装NVIDIA驱动，不然巧妇也难为无米之炊啊！
CUDA版本侦察（GPU用户专属）：

bash nvidia-smi # 运行这条命令，屏幕右上角会告诉你，你的显卡最高能支持哪个版本的CUDA。
Python环境： Python版本必须是3.7+，推荐使用Anaconda来管理，方便又省心！

三、Anaconda大法好：一键安装，省时省力（强烈推荐！）

▶ 步骤1：创建你的专属PyTorch虚拟空间

conda create -n pytorch_env python=3.9 # 创建一个名为pytorch_env的虚拟环境，并指定Python版本为3.9
conda activate pytorch_env # 激活这个虚拟环境，就像进入了你的私人实验室，可以尽情折腾啦！

▶ 步骤2：去PyTorch官网抄作业

打开PyTorch官网：PyTorch
根据你的需求，选择合适的配置：
- PyTorch版本：稳字当头，选“稳定版”（Stable）
- 操作系统：根据你的电脑系统选择
- 包管理器：Conda/Pip，当然是选Conda啦！
- 语言：Python
- CUDA：有NVIDIA显卡的选对应版本，没有就选CPU。
官网会自动生成一条安装命令，复制下来！

▶ 步骤3：复制粘贴，开始安装！

示例（CUDA 11.8版本）：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia # 这条命令会安装PyTorch、torchvision、torchaudio，以及CUDA 11.8对应的版本。-c pytorch和-c nvidia表示从PyTorch和NVIDIA的官方渠道下载，保证安全可靠。

四、Pip：简单粗暴，一梭子子弹解决问题

▶ 通用版本（自动检测CUDA）：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 # 从PyTorch的官方源下载，速度有保障。

▶ 指定版本安装：

版本类型	安装命令
CPU版	pip install torch torchvision torchaudio
CUDA 11.8	pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

五、macOS用户看过来：M1/M2芯片的福音

▶ 使用GPU加速（Metal Performance Shaders）：

conda install pytorch::pytorch torchvision torchaudio -c pytorch # 使用Metal加速，让你的Mac也能跑起深度学习！

六、检验成果：是骡子是马拉出来遛遛

▶ 通用验证代码

import torch

print(f"PyTorch版本: {torch.__version__}") # 打印PyTorch版本，看看是不是你安装的版本
print(f"CUDA可用: {torch.cuda.is_available()}") # 检查CUDA是否可用，True表示可以使用GPU加速
print(f"当前设备: {torch.device('cuda' if torch.cuda.is_available() else 'cpu')}") # 显示当前使用的设备，cuda表示使用GPU，cpu表示使用CPU

▶ 预期输出

PyTorch版本: 2.0.1+cu118 # 你的PyTorch版本
CUDA可用: True # 说明你的GPU可以被PyTorch使用啦！
当前设备: cuda # 当前使用的是GPU

七、疑难杂症：常见问题及解决方案

❌ 问题1：`CUDA不可用`

解决方案：
1. 检查NVIDIA驱动是否正确安装，版本是否过低。
2. 确认PyTorch版本与CUDA版本是否匹配，版本不匹配也会导致CUDA不可用。
3. 如果以上两点都没问题，那就尝试重装对应CUDA版本的PyTorch吧！

❌ 问题2：`下载速度慢如蜗牛`

换源加速：

```bash

清华源（conda）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ # 添加清华源，下载速度嗖嗖嗖！

阿里源（pip）

pip install torch -i https://mirrors.aliyun.com/pypi/simple/ # 使用阿里源，告别龟速下载！
```

❌ 问题3：`DLL加载失败`（Windows）

解决方法：
1. 安装VC_redist.x64.exe，解决DLL依赖问题。
2. 更新NVIDIA驱动，确保驱动版本与PyTorch兼容。

八、环境管理小技巧：让你的PyTorch环境井井有条

查看已安装的PyTorch相关包：

bash conda list | grep torch # 快速找到所有包含torch的包，方便你查看版本信息。
导出环境配置：

bash conda env export > environment.yaml # 将当前环境的配置导出到environment.yaml文件中，方便你以后在其他地方快速复现这个环境。
彻底卸载PyTorch：

bash conda uninstall pytorch torchvision torchaudio # 先用conda卸载 pip uninstall torch torchvision torchaudio # 再用pip卸载，双保险！

九、进阶之路：最佳实践建议

优先使用虚拟环境：切记！切记！切记！重要的事情说三遍！虚拟环境是避免包版本冲突的法宝！
测试完整训练流程：

python x = torch.rand(5, 3) # 创建一个5x3的随机张量 print(x) # 如果能正常输出一个5x3的随机张量，说明PyTorch安装成功！
定期更新版本：

bash conda update pytorch torchvision torchaudio # 保持你的PyTorch版本最新，享受最新的功能和优化！
```