文章目录
🔥 前情提要(必看!)
最近帮学弟配置深度学习环境时,发现90%的新手都栽在PyTorch版本匹配问题上!明明照着官网教程安装,结果要么报错CUDA不可用
,要么出现torch与torchvision版本冲突
。今天我们就来手把手解决这个世纪难题!(文末附全网最全版本对照表)
一、版本匹配的三大核心(划重点!)
1. 黄金三角关系
PyTorch的版本兼容性就像相亲:
- PyTorch版本 👉 torchvision版本 👉 Python版本 👉 CUDA版本
- 任意一环不匹配都会导致系统崩溃(别问我怎么知道的😭)
2. 官方对照表解密
打开PyTorch官网时,新手最容易犯的3个错误:
- 直接复制首页的安装命令(大坑!)
- 忽略小版本号(比如1.12.0和1.12.1)
- 不看CUDA版本(默认装CPU版)
3. 自检神器(必收藏!)
# 查看已安装版本
python -c "import torch; print(torch.__version__)"
python -c "import torchvision; print(torchvision.__version__)"
# 查看CUDA可用性
print(torch.cuda.is_available()) # 返回True才算成功
二、实战安装流程(手把手版)
Step 1. 确认CUDA版本
nvidia-smi # 显示的是驱动支持的最高CUDA版本
nvcc --version # 实际安装的CUDA版本
❗ 重点提醒:这两个命令显示的版本可能不同!以nvcc
为准(血的教训)
Step 2. 对照版本表
以2023年常见组合为例:
PyTorch | torchvision | Python | CUDA |
---|---|---|---|
2.1.0 | 0.16.0 | ≥3.8 | 11.8 |
2.0.1 | 0.15.1 | ≥3.8 | 11.7 |
1.13.1 | 0.14.1 | ≥3.7 | 11.6 |
Step 3. 选择安装方式
方案A:有NVIDIA显卡
# CUDA 11.8示例
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 cudatoolkit=11.8 -c pytorch
方案B:无显卡/Mac用户
pip install torch==2.1.0+cpu torchvision==0.16.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
方案C:旧版本安装
# 指定版本安装
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113
三、常见翻车现场(附解决方案)
案例1:CUDA不可用
# 错误现象
RuntimeError: CUDA error: no kernel image is available for execution
✅ 解决步骤:
- 检查驱动版本:
nvidia-smi
- 重装对应CUDA版本的PyTorch
- 更新NVIDIA驱动
案例2:版本冲突
# 报错提示
ERROR: Could not find a version that satisfies the requirement torch==1.8.0
✅ 解决步骤:
- 使用
pip list | grep torch
卸载所有torch相关包 - 使用conda clean清理缓存
- 严格按照版本对照表安装
四、终极版本对照表(2024最新)
这里整理了一份超全对照表(建议截图保存):
PyTorch | 发布日期 | 支持CUDA | Python | Linux | Windows |
---|---|---|---|---|---|
2.1.0 | 2023-10-05 | 11.8 | 3.8-3.11 | ✔ | ✔ |
2.0.1 | 2023-05-18 | 11.7-11.8 | 3.8-3.10 | ✔ | ✔ |
1.13.1 | 2023-02-10 | 11.6-11.7 | 3.7-3.9 | ✔ | ✔ |
五、专家建议(少走3年弯路)
- conda优先原则:能用conda就别用pip(依赖管理更智能)
- 虚拟环境大法:每个项目单独创建环境(防止版本污染)
- 版本锁定技巧:
pip install torch==1.12.0+cu113 --no-cache-dir # 禁止使用缓存
- 镜像加速秘籍:
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
六、疑难解答Q&A
Q:安装时卡在solving environment怎么办?
A:尝试:
- 删除当前环境
.condarc
文件 - 使用mamba替代conda
- 指定具体版本号
Q:如何同时安装多个CUDA版本?
A:使用conda create -n cuda11.8 python=3.9
创建独立环境,不同环境安装不同CUDA版本
最后叮嘱(超级重要!)
安装完成后务必运行:
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0)) # 显示显卡型号
如果全部正常显示,恭喜你!已经打败了90%的新手玩家!🎉
(注:本文版本信息更新至2024年1月,建议安装前再次核对官网最新信息)