PyTorch终极安装指南：CPU/GPU双版本+环境配置全攻略

一、硬件准备与版本选择

在进行安装前我们先来确定自己的电脑是否要安装带有GPU版本的PyTorch，接下来我们来用以下两种方法查看自己的电脑到底有没有GPU。

1.1 显卡型号确认

Windows系统：

• 右键开始菜单 → 设备管理器 → 显示适配器 / 或者直接点击win+X快捷键，显示界面如下
  
  这里点击任务管理器，进入任务管理界面
  
  点击第二个图标，进入性能界面，点击GPU 0，查看是否有NVIDIA的英伟达显卡的字样，可以看到我这台电脑是没有GPU的。
  
  下面我用另一台电脑截了一张带有GPU界面的图，可以看到这台带有NVIDIA的英伟达显卡的字样，所以这台是有GPU的电脑，可以安装GPU版本的PyTorch。
  

• 第二种查看方法是 Win+R → 输入dxdiag → 显示选项卡，弹出的界面后，不带GPU的显示如下
  
  带GPU的电脑界面显示如下：
  

Linux系统：

nvidia-smi
lspci | grep -i nvidia

通过以上步骤判断好了自己电脑是否有GPU，就可以通过后面的步骤安装适合自己电脑的版本，我GPU和CPU版本的安装都做了，所以大家注意甄别，不带说明的，是都要进行的操作。
当然有GPU的用户也可以安装没有GPU版本的PyTorch。

1.2 CUDA版本匹配原则（GPU用户对照查看，后面要用到）

NVIDIA驱动版本	支持的最高CUDA版本	PyTorch推荐版本
450.80.02	CUDA 11.0	1.7.0+cu110
470.82.01	CUDA 11.4	1.10.0+cu113
515.65.01	CUDA 11.7	2.0.0+cu117
535.86.05	CUDA 12.2	2.1.0+cu121

通过nvidia-smi查看驱动版本，驱动版本必须≥PyTorch要求的CUDA版本

二、Anaconda环境搭建

2.1 安装与配置

1. 官网下载对应系统版本

进入官网后点击 Skip registration
进入下载界面，选择适合自己系统的版本

等待下载完成之后，打开文件夹双击进行安装

2. 安装Anaconda

打开之后一路Next，I Agree，Next

直到碰到选择安装路径，这里我选择的D盘，最简单的方法是将C改为D，系统会自动创建文件夹，或者你也可以去新建一个文件夹。选择好路径之后，点击Next

接下来注意听，重点来了，如果你之前安装的应用系统自动配置的环境变量有问题，则这一步只需要勾选1，3，4，不要勾选2，有些系统配置的环境变量用不了，等下我们自己配置，在勾选3的时候会弹出一个警告，确定即可，勾选好之后点击 Install 即可。
这个界面的意思是：
1：创建快捷方式（仅支持的软件包）。
2：将 Anaconda3 添加到我的 PATH 环境变量
不推荐。这可能会导致与其他应用程序冲突。相反，请使用添加到 Windows 开始菜单中的命令提示符和 Powershell 菜单。
3：将 Anaconda3 注册为我的默认 Python 3.12
推荐。允许其他程序（如 VSCode、PyCharm 等）自动检测 Anaconda3 作为系统上的主要 Python 3.12。
4：完成后清除软件包缓存
推荐。在不影响功能的情况下恢复一些磁盘空间。

等待安装，可能有点慢得等几分钟

安装完成之后点击Next，在点击Next

接下来又一个重点来了，去掉这两个勾选，不要勾选，然后点击Finish
这个界面的意思是：
感谢您安装 Anaconda 发行版。
这里有一些有用的资源帮助您入门。我们建议您将“Anaconda 发行版入门”链接加入书签，以便日后参考。
1：启动 Anaconda 导航器
2： Anaconda 发行版入门

接下来我们来配置环境变量，打开环境变量，点击环境变量

在第二个系统环境里面找到Path，双击打开

点击新建

找到你 Anaconda 的安装路径，复制你的路径，新建进入系统环境变量

第二步找到 Scripts 这个文件夹，打开之后复制路径，新建进系统环境变量中

第三步找到 Library，双击打开找到 bin 这个文件夹，双击打开，复制它的路径，新建进环境系统变量

这是我建好的三条环境变量（建好之后一路确定退出）
D:\Anaconda
D:\Anaconda\Scripts
D:\Anaconda\Library\bin

到这里安装就结束了。

3. 验证安装：

安装成功后你的开始界面会多出一个 Anaconda prompt，我们单击打开它

在出现的界面出入下面这条指令，如果出现版本号，即表示安装成功

conda --version  # 显示版本即成功

2.2 镜像源配置（加速下载）

# 清华源配置
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

这几条命令是用于配置 Anaconda 包管理器的镜像源，将镜像源设置为清华大学的镜像站，以加速在使用 conda 安装和更新软件包时的下载速度。最后一条命令设置在安装包时显示所使用的镜像源 URL，当然你也可以忽略这几条指令，不用管这一步骤，但是后面使用 conda 下载安装库的时候可能会比较慢，上面的指令直接在终端一一敲入即可，没有太多需要注意的地方，这里不做过多的解释，如果有不懂的，可以在评论区发出来，我看到会及时解答。

下面是我找的两条常用的镜像源：

镜像源	配置命令
阿里云	conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main
中科大	conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main

三、虚拟环境管理

3.1 创建专属环境

这一步用来创建自己的专属 conda 环境，后面安装 PyTorch 也是在这个环境下安装，指令后面的版本号根据自己安装的 python 版本选择，中间的 torch_gpu 的名称也可以自己更改，创建环境请在 Anaconda prompt 下面运行。

conda create -n pytorch python=3.12  # 创建Python3.9环境
conda activate pytorch             # 激活环境

想要查看自己的 python 版本号可以使用下面命令查看

python --version

第一条指令会询问是否安装需要的包，直接 y 即可

安装完成后，输入第二条指令切换环境，如果可以切换到你创建的环境则表示已经创建成功

3.2 多环境管理技巧

命令	功能描述
conda env list	查看所有环境
conda remove -n env_name --all	删除指定环境
conda install package=version	安装指定版本包

从下面开始就要安装 PyTorch 了，有 GPU 的请选择 GPU 版本的，安装 GPU 版本之前最好先从官网更新驱动。

英伟达驱动更新官网：https://www.nvidia.cn/geforce/drivers/

四、PyTorch安装全方案

4.1 CPU版本安装

接下来我们先来开始 CPU 版本的安装，进入PyTorch官网，选择相应的操作系统和 Python 版本，以及安装方式（ pip 或者 conda），现在官网将 Python 版本统一合并为 Python 所以你们看到的界面应该是没有 Python 版本号的，直接选择 Python 即可，conda 安装如下：

在之前创建的环境下输出最后一行指令，等待安装完成即可

conda install pytorch torchvision torchaudio cpuonly -c pytorch

如果使用 pip 安装，大家这样选择即可，同样复制最后一条指令

在之前创建的环境下输入最后行指令，等待安装完成即可，由于官网提供的指令太慢，我这里给大家提供一条镜像版本的指令（注意镜像加速有时会报错，原因是镜像源未及时更新最新版本，你所下载的最新版镜像源没有，这时我们换回官网指令即可），指令如下：

# 无镜像源
pip3 install torch torchvision torchaudio

# 指定镜像源加速
pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

现在等待安装完成即可。

4.2 GPU版本安装

安装 GPU 版本先要确定电脑所支持的 cuda 版本，在命令行输入下面这行代码，就会显示电脑支持哪个版本的 cuda，注意这里只要我们选择比这个版本小的 cuda 电脑都可以支持，但不能选择比这个版本号大的 cuda 版本：

nvidia-smi

方案一：conda安装（推荐新手）

这里和 CPU 版本一样，进入PyTorch官网，选择相应的操作系统和 Python 版本，以及安装方式（ pip 或者 conda），和电脑支持的 CUDA 版本就会显示安装指令，conda 安装如下：

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

方案二：pip精确安装

在之前创建的环境下输入最后行指令，等待安装完成即可，由于官网提供的指令太慢，我这里给大家提供一条镜像版本的指令（注意镜像加速有时会报错，原因是镜像源未及时更新最新版本，你所下载的最新版镜像源没有，这时我们换回官网指令即可），指令如下：

# 无镜像源
pip3 install torch torchvision torchaudio

# 指定镜像源加速
pip install torch==2.1.0+cu121 torchvision==0.16.0+cu121 torchaudio==2.1.0 \
--extra-index-url https://download.pytorch.org/whl/cu121

和 CPU 版本一样，复制最后一条指令，在之前创建的环境里面输入，等待安装完成即可。

这里我整理了几个 PyTorch 和 CUDA 对应关系表，大家可以对照自己的版本更改上面的指令

版本对应关系表：

PyTorch版本	CUDA版本	安装命令后缀
2.1.0	12.1	+cu121
2.0.1	11.8	+cu118
1.13.1	11.7	+cu117

五、环境验证与测试

5.1 基础验证

这里我们切换到 Python 导入 import torch 如果没有出现报错，则 PyTorch 安装成功，可以使用 PyTorch 了。

import torch
print(torch.__version__)          # 查看PyTorch版本
print(torch.cuda.is_available())  # 查看GPU是否可用
print(torch.cuda.get_device_name(0))  # 显示显卡型号

5.2 性能测试

下面我提供一些测试代码，供大家过过手瘾，测试一下刚安装的 PyTorch 和 GPU 性能。

# 张量计算测试
x = torch.randn(10000, 10000).cuda()
y = torch.randn(10000, 10000).cuda()
z = x @ y
print(z.mean())  # 应输出tensor值无报错

六、开发环境配置

6.1 PyCharm关联conda环境

1. 新建项目 → Python解释器 → 添加本地解释器
2. 选择Conda环境 → 指定envs/环境名称/python.exe

如果不会手动配置，或配置出错，请参考：PyCharm 配置 Conda 环境

6.2 Jupyter Notebook配置

conda install ipykernel
python -m ipykernel install --user --name torch_gpu --display-name "PyTorch GPU"

七、常见问题解决方案

7.1 避坑指南

问题现象	解决方案
CUDA out of memory	减小batch_size，清理显存
No CUDA-capable device is detected	检查驱动版本，重装CUDA工具包
ImportError: DLL load failed	安装VC++可再发行组件

7.2 版本回退方法

# 查看可用版本
pip index versions torch

# 指定版本安装
pip install torch==1.12.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113

八、生产力工具推荐

工具名称	用途描述	安装命令
TensorBoard	训练可视化	pip install tensorboard
Jupyter Lab	交互式开发环境	conda install jupyterlab
NVIDIA-SMI监控	GPU状态监测	pip install gpustat

---

附：PyTorch版本生命周期表

版本	发布日期	维护状态	CUDA支持
2.1	2023-10	长期支持	11.8, 12.1
2.0	2023-03	维护中	11.7, 11.8
1.13	2022-10	停止维护	11.6, 11.7

按照本指南操作，您将在15分钟内完成专业级的PyTorch开发环境搭建。如遇任何问题，欢迎在评论区留言讨论！