2025 深度学习必备：Torch 离线安装超详细指南，一文攻克版本适配与环境搭建难题

歌刎

已于 2025-02-06 10:45:40 修改

阅读量1.7k

点赞数 15

文章标签：深度学习人工智能 python pytorch pip

于 2025-02-06 09:47:10 首次发布

本文链接：https://blog.csdn.net/MnivL/article/details/145467006

版权

Torch离线安装全攻略：从版本对应到环境适配

在深度学习的世界里，PyTorch 作为一款强大的深度学习框架，受到了众多开发者的青睐。而 torch 作为 PyTorch 的核心库，其安装过程对于许多初学者来说可能充满挑战，尤其是在离线环境或者需要指定 CUDA 版本的情况下。今天，我们就来详细探讨一下 torch 的离线安装方法，以及如何处理版本对应和环境适配的问题。

一、torch 版本对应关系

在安装 torch 之前，了解 torch 与 torchvision、torchaudio 的对应关系至关重要。这不仅能确保各个库之间的兼容性，还能避免在后续开发中出现不必要的错误。你可以通过以下官方链接获取最新的对应关系：

torch 与 torchvision 对应关系：Previous PyTorch Versions | PyTorch。在此页面中，你可以清晰地看到不同版本 torch 所对应的 torchvision 版本，比如 torch 1.13.1 对应的 torchvision 版本为 0.14.1 等，务必严格按照对应关系进行版本选择。
torch 与 torchaudio 对应关系：Installing pre-built binaries — Torchaudio 2.5.0.dev20241105 documentation 。这个页面详细列出了 torchaudio 与 torch 各个版本之间的适配情况，在选择 torchaudio 版本时，需依据 torch 版本来确定，以保障二者协同工作的稳定性。

二、指定版本下载 torch 的 whl 包

一旦确定了所需的版本，就可以从以下链接下载对应的 whl 包：

torch：https://download.pytorch.org/whl/torch/
torchvision：https://download.pytorch.org/whl/torchvision/
torchaudio：https://download.pytorch.org/whl/torchaudio/

三、不同环境下安装 torch 并自动安装相关 cuda 依赖的方法

1. 使用 pip 安装（推荐）

pip 是 Python 中常用的包管理工具，使用它安装 torch 简单便捷。根据所需的 CUDA 版本，可以使用以下命令：

安装支持 CUDA 11.8 的 torch：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

安装支持 CUDA 12.1 的 torch：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

常见错误点：在使用 pip 安装时，如果网络不稳定，可能会导致下载中断，出现“Connection aborted”等错误。此时可以尝试更换网络，或者使用代理服务器来解决。另外，如果本地已安装了不兼容版本的 torch 相关库，可能会引发冲突，导致安装失败，建议在安装前使用 pip uninstall 命令卸载旧版本。

指定版本安装
只需要指定torch版本

pip install torch==2.3.1 torchvision==0.18.1--index-url https://download.pytorch.org/whl/cu118

强制版本覆盖安装

pip install --force-reinstall torch==2.3.1 torchvision==0.18.1 --i https://download.pytorch.org/whl/cu118

2. 使用 conda 安装

如果你使用的是 conda 环境，也可以通过 conda 来安装 torch：

安装支持 CUDA 11.8 的 torch：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

安装支持 CUDA 12.1 的 torch：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

常见错误点：conda 环境配置错误可能导致找不到指定的 channel，报错“Could not find conda environment”。这时候需要检查 conda 配置文件，确保 pytorch 和 nvidia 的 channel 配置正确。此外，如果当前 conda 环境中存在其他冲突的包，也可能导致安装失败，建议在新的干净环境中进行安装。

3. 自动检测 CUDA 版本并安装相应的 torch

如果你希望根据系统中已有的 CUDA 版本自动安装 torch，可以使用以下 Python 脚本：

import torch
from packaging import version

# 检查是否有可用的 CUDA 设备
if torch.cuda.is_available():
    cuda_version = torch.version.cuda
    print(f"CUDA version: {cuda_version}")
    # 自动安装 torch 及相关库
    import subprocess
    import sys

    if version.parse(cuda_version) >= version.parse("12.1"):
        cmd = [sys.executable, "-m", "pip", "install", "torch", "torchvision", "torchaudio", "--index-url", "https://download.pytorch.org/whl/cu121"]
    elif version.parse(cuda_version) >= version.parse("11.8"):
        cmd = [sys.executable, "-m", "pip", "install", "torch", "torchvision", "torchaudio", "--index-url", "https://download.pytorch.org/whl/cu118"]
    else:
        print("CUDA version not supported. Consider updating your CUDA driver.")
        return

    subprocess.check_call(cmd)
else:
    print("No CUDA device available. Installing CPU-only version of torch.")
    import subprocess
    import sys
    cmd = [sys.executable, "-m", "pip", "install", "torch", "torchvision", "torchaudio"]
    subprocess.check_call(cmd)

代码解释：

首先，使用 torch.cuda.is_available() 检查是否有可用的 CUDA 设备，并获取 CUDA 版本（如果有的话）。
然后，根据 CUDA 版本，使用 subprocess.check_call() 调用 pip 命令进行相应版本的 torch 安装。
- 如果 CUDA 版本是 12.1 或更高，使用 CUDA 12.1 的 torch 安装命令。
- 如果 CUDA 版本是 11.8 或更高，使用 CUDA 11.8 的 torch 安装命令。
- 对于其他版本，建议更新 CUDA 驱动。
- 如果没有 CUDA 设备，仅安装 CPU 版本的 torch。
  常见错误点：脚本运行时，可能会因为缺少 packaging 库而报错“ModuleNotFoundError: No module named 'packaging'”，此时需要先使用 pip install packaging 安装该库。另外，如果系统中安装了多个 Python 版本，可能导致 sys.executable 指向错误的 Python 解释器，从而出现安装错误，建议在运行脚本前确认 Python 环境。

四、查看CUDA版本方法

1. 使用nvidia - smi命令

在命令行中输入 nvidia - smi ，会输出一个包含 GPU 相关信息的表格。其中“CUDA Version”这一行显示的就是当前系统中安装的 CUDA 版本。

CUDA 版本向上兼容，例如这里CUDA：12.4，那么 torch 安装对应 cuda 11.8 或者 12.1的都可以

2. 使用nvcc --version命令

在命令行中输入 nvcc --version ，会输出 CUDA 编译器的版本信息，其中包含了 CUDA 版本号。例如输出“Cuda compilation tools, release 11.8, V11.8.89”，则表明当前 CUDA 版本为 11.8 。

五、注意事项

1. 驱动要求

确保你的 NVIDIA GPU 驱动支持你想要安装的 CUDA 版本。你可以在 NVIDIA 的官方网站上查找相应的驱动版本要求。例如，CUDA 11.8 可能需要特定版本的 NVIDIA 驱动，若驱动版本过低，可能无法正常安装或使用 CUDA 相关功能。

显卡与驱动版本对应查询
PCI devices (ucw.cz)
安装驱动
Official Drivers | NVIDIA
安装 CUDA
CUDA Toolkit Archive | NVIDIA Developer

2. 环境兼容性

不同的操作系统和硬件可能会有细微的差异，确保你的环境满足 torch 的要求。比如，某些老旧的硬件可能不支持最新版本的 CUDA，在安装前需要仔细查阅硬件和软件的兼容性文档。

3. 网络连接

虽然本文主要讨论离线安装，但在获取 whl 包时，仍需要有良好的网络连接，因为从 PyTorch 的官方仓库下载可能需要一些时间，尤其是对于第一次安装。如果网络不稳定，可能导致下载中断或文件损坏。

六、验证安装

安装完成后，可以使用以下代码验证 torch 是否正确安装并且能够使用 CUDA：

import torch
print(torch.__version__)
if torch.cuda.is_available():
    print("CUDA is available")
    device = torch.device("cuda:0")
    print(torch.cuda.get_device_name(device))
else:
    print("CUDA is not available")

通过上述方法，你可以根据自己的情况灵活地安装 torch 并确保相应的 CUDA 依赖被正确安装。在实际操作过程中，可能会遇到各种问题，但只要按照这些步骤，仔细检查每一个环节，相信你一定能够成功安装并使用 torch。在即将到来的2025蛇年，希望这份攻略能助力你在深度学习领域一路前行，收获满满！如果你在安装过程中遇到任何问题，欢迎在评论区留言交流。