torch对应版本torchvision和torchAudio

源来猿往

已于 2025-03-06 21:45:34 修改

阅读量2.4w

点赞数 21

分类专栏：深度学习文章标签： python

于 2024-04-18 11:57:29 首次发布

本文链接：https://blog.csdn.net/p731heminyang/article/details/137912079

版权

深度学习专栏收录该内容

13 篇文章

订阅专栏

文章讲述了在深度学习中遇到的CUDA不可用问题，如何通过查询远程库版本、确定CUDA驱动版本、检查torch与torchvision及torchaudio的对应关系，以及如何根据GPU版本选择正确的预构建包安装。作者建议安装最新稳定版本以提高效率和稳定性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、问题

torch.cuda.is_available()

深度学习中，使用torch.cuda.is_available()返回False，是无法使用gpu的，所以需要找到pytorch和cuda的对应关系，不然安装torch的是cpu版本，也是无法使用gpu的

安装错误版本，项目会各种出错，哪怕安装了torch 也无法使用运行项目。

当前把几个基础库版本提取出来，版本对应具体如下：

1.1 查询远程库里版本

可以尝试输入错误版本进行查询pip install torch==x.xx+cu119

或者制定源输入：

pip install torch==x.xx+cu119 -f https://download.pytorch.org/whl/torch_stable.html

具体会输出如下，可以看到当前源中支持的版本

我是指定源输入，采集的版本如下：

torch

(from versions: 1.11.0, 1.11.0+cpu, 1.11.0+cu113, 1.11.0+cu115, 1.12.0, 1.12.0+cpu, 
1.12.0+cu113, 1.12.0+cu116, 1.12.1, 1.12.1+cpu, 1.12.1+cu113, 1.12.1+cu116, 1.13.0, 
1.13.0+cpu, 1.13.0+cu116, 1.13.0+cu117, 1.13.1, 1.13.1+cpu, 1.13.1+cu116, 1.13.1+cu117, 
2.0.0, 2.0.0+cpu, 2.0.0+cu117, 2.0.0+cu118, 2.0.1, 2.0.1+cpu, 2.0.1+cu117, 2.0.1+cu118, 
2.1.0, 2.1.0+cpu, 2.1.0+cu118, 2.1.0+cu121, 2.1.1, 2.1.1+cpu, 2.1.1+cu118, 2.1.1+cu121, 
2.1.2, 2.1.2+cpu, 2.1.2+cu118, 2.1.2+cu121, 2.2.0, 2.2.0+cpu, 2.2.0+cu118, 2.2.0+cu121, 
2.2.1, 2.2.1+cpu, 2.2.1+cu118, 2.2.1+cu121, 2.2.2, 2.2.2+cpu, 2.2.2+cu118, 2.2.2+cu121)

torchvision

(from versions: 0.1.6, 0.2.0, 0.12.0, 0.12.0+cpu, 0.12.0+cu113, 0.12.0+cu115, 0.13.0, 
0.13.0+cpu, 0.13.0+cu113, 0.13.0+cu116, 0.13.1, 0.13.1+cpu, 0.13.1+cu113, 0.13.1+cu116, 
0.14.0, 0.14.0+cpu, 0.14.0+cu116, 0.14.0+cu117, 0.14.1, 0.14.1+cpu, 0.14.1+cu116, 
0.14.1+cu117, 0.15.0+cpu, 0.15.0+cu117, 0.15.0+cu118, 0.15.1, 0.15.1+cpu, 0.15.1+cu117, 
0.15.1+cu118, 0.15.2, 0.15.2+cpu, 0.15.2+cu117, 0.15.2+cu118, 0.16.0, 0.16.0+cpu, 
0.16.0+cu118, 0.16.0+cu121, 0.16.1, 0.16.1+cpu, 0.16.1+cu118, 0.16.1+cu121, 0.16.2, 
0.16.2+cpu, 0.16.2+cu118, 0.16.2+cu121, 0.17.0, 0.17.0+cpu, 0.17.0+cu118, 0.17.0+cu121, 
0.17.1, 0.17.1+cpu, 0.17.1+cu118, 0.17.1+cu121, 0.17.2, 0.17.2+cpu, 0.17.2+cu118, 
0.17.2+cu121)

torchaudio

versions: 0.11.0, 0.11.0+cpu, 0.11.0+cu113, 0.11.0+cu115, 0.12.0, 0.12.0+cpu, 
0.12.0+cu113, 0.12.0+cu116, 0.12.1, 0.12.1+cpu, 0.12.1+cu113, 0.12.1+cu116, 0.13.0, 
0.13.0+cpu, 0.13.0+cu116, 0.13.0+cu117, 0.13.1, 0.13.1+cpu, 0.13.1+cu116, 0.13.1+cu117, 
2.0.0+cpu, 2.0.0+cu117, 2.0.0+cu118, 2.0.1, 2.0.1+cpu, 2.0.1+cu117, 2.0.1+cu118, 2.0.2, 
2.0.2+cpu, 2.0.2+cu117, 2.0.2+cu118, 2.1.0, 2.1.0+cpu, 2.1.0+cu118, 2.1.0+cu121, 2.1.1, 
2.1.1+cpu, 2.1.1+cu118, 2.1.1+cu121, 2.1.2, 2.1.2+cpu, 2.1.2+cu118, 2.1.2+cu121, 2.2.0, 
2.2.0+cpu, 2.2.0+cu118, 2.2.0+cu121, 2.2.1, 2.2.1+cpu, 2.2.1+cu118, 2.2.1+cu121, 2.2.2, 
2.2.2+cpu, 2.2.2+cu118, 2.2.2+cu121

找到一些可以直接安装的命令，具体如下（torch2.5.1）

# ROCM 6.1 (Linux only)
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/rocm6.1
# ROCM 6.2 (Linux only)
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/rocm6.2
# CUDA 11.8
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu118
# CUDA 12.1
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu121
# CUDA 12.4
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124
# CPU only
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cpu

二、查询cuda真实驱动版本

驱动选择安装地址

Official Drivers | NVIDIA

2.1查询驱动最大支持版本

cmd命令输入：

nvidia-smi

驱动版本是：12.4，这个不是最终版本，只是最大支持版本

2.2 查询运行版本

nvcc -V

这个10.0 才是真正安装的版本，运行版本，最终和我们代码沟通的是这个版本，记住了

*如果不存在nvcc 那么就是没有安装cuda Toolkit 请先安装，具体安装网址，下载安装即可，版本需要低于cuda的版本（nvidia-smi 查询）

https://developer.nvidia.com/cuda-toolkit-archive

三、torch和torchvision 对应关系

3.1 项目地址（查询版本对应关系）

https://github.com/pytorch/visionhttps://github.com/pytorch/visionhttps://github.com/pytorch/vision

3.2 部分截图查询

四、torch和TorchAudio对应关系

4.1 原始地址

Installing pre-built binaries — Torchaudio 2.2.0.dev20240418 documentationhttps://pytorch.org/audio/main/installation.html#compatibility-matrixhttps://pytorch.org/audio/main/installation.html#compatibility-matrix

4.2 部分截图

五、验证

这里我的版本：python 是3.10的，

我选择的torch版本是2.0.0 根据版本对应要求，

我选择的torchvision 为0.15.0 、torchaudio为2.0.1

这里我的gpu版本是10.0 ，选择的是118，一般高版本可以兼容低版本，建议如果不是项目必须，那么还是安装最新版，效率稳定性好点

具体执行如下：

pip install torch==2.0.0+cu118 torchvision==0.15.0+cu118 torchaudio==2.0.1+cu118 -f https://download.pytorch.org/whl/torch_stable.html

安装成功后，查询是否可以使用了

这里我们已经看到版本已经变更了，也就已经成功了