2025.04最新PyTorch 安装超详细教程（含多系统、多场景、避坑指南）

最新推荐文章于 2025-05-04 17:57:35 发布

我想发发发

最新推荐文章于 2025-05-04 17:57:35 发布

阅读量1.9w

点赞数 45

分类专栏：深度学习文章标签： pytorch 人工智能 python

本文链接：https://blog.csdn.net/weixin_45813121/article/details/146934535

版权

深度学习专栏收录该内容

2 篇文章

订阅专栏

一、安装前准备（必做！）

1. 系统与硬件检查

系统	支持版本	GPU 支持要求
Windows	10/11（64位）	NVIDIA 显卡（CUDA 11.0+）
macOS	12+（Apple Silicon/M1）	苹果显卡（Metal Performance Shaders）
Linux	Ubuntu 20.04+/Debian 11	NVIDIA/AMD/Intel 显卡（需对应驱动）

NVIDIA GPU 用户：
打开「设备管理器」→「显示适配器」，确认显卡型号（如 RTX 3060），并检查驱动版本：

官网下载 NVIDIA 驱动，需 ≥ 515.65.01（对应 CUDA 11.7）。
Apple Silicon（M1/M2）用户：
确保系统已更新至 macOS 13.4+，并安装 Xcode Command Line Tools：
```
xcode-select --install  # 按提示安装
```

2. 包管理器选择

方式	优点	缺点	推荐场景
Conda	自动解决依赖，适合新手	安装速度慢，版本可能非最新	虚拟环境管理
Pip	安装速度快，获取最新版本	需手动处理依赖	高级用户/CI/CD 环境
Docker	环境隔离彻底，适合部署	占用磁盘空间大	生产环境/复现问题

二、分步安装教程（含全平台命令）

🔵 Windows 系统（以 Anaconda 为例）

1. 创建隔离环境（推荐）

# 打开 Anaconda Prompt
conda create -n torch_env python=3.10  # 指定 Python 3.10（PyTorch 长期支持）
conda activate torch_env  # 激活环境，提示符显示 (torch_env)

在这里插入图片描述

2. 安装 GPU 版本（NVIDIA 显卡）

自动检测 CUDA 版本（推荐）：
访问 PyTorch 官网安装命令生成器，选择：

复制生成的命令（示例）：
```
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
```

手动指定 CUDA 版本（如已安装 CUDA 11.7）：

conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch

3. 安装 CPU 版本（无显卡/临时使用）

conda install pytorch torchvision torchaudio cpuonly -c pytorch

🔵 macOS 系统（Apple Silicon）

1. 使用 Conda 安装（推荐）

# 打开终端（Terminal）
conda create -n torch_m1 python=3.10
conda activate torch_m1
# 官方 MPS 优化版本（需 macOS 13+）
conda install pytorch torchvision torchaudio -c pytorch -c apple

2. 使用 Pip 安装（最新特性）

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

🔵 Linux 系统（Ubuntu 22.04）

1. 安装 NVIDIA GPU 版本

# 先安装 CUDA 工具包（官网下载 runfile 安装）
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run --silent --toolkit
# 创建环境并安装 PyTorch
conda create -n torch_linux python=3.10
conda activate torch_linux
conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch

2. 验证 CUDA 路径（关键！）

echo $CUDA_HOME  # 应输出 /usr/local/cuda-11.8
nvcc --version  # 输出版本号，如 release 11.8, V11.8.89

三、验证安装（3 步必做）

1. 启动 Python 交互环境

python  # 或 python3（根据环境）

2. 运行测试代码

import torch

# 检查版本
print(torch.__version__)  # 输出版本，如 2.1.0

# 检查 GPU 支持（NVIDIA）
if torch.cuda.is_available():
    print(f"GPU 型号: {torch.cuda.get_device_name(0)}")
    print(f"CUDA 版本: {torch.version.cuda}")
    # 测试 GPU 计算
    x = torch.tensor([1.0]).cuda()
    print(x)  # 输出 tensor([1.0], device='cuda:0')
else:
    print("未检测到 GPU，使用 CPU 版本")

# Apple Silicon 专用检查
if hasattr(torch.backends, "mps") and torch.backends.mps.is_available():
    print("MPS 加速已启用")
    y = torch.tensor([1.0], device="mps")
    print(y)

3. 预期输出示例（NVIDIA GPU）

2.1.0
GPU 型号: NVIDIA GeForce RTX 3060
CUDA 版本: 11.8
tensor([1.0], device='cuda:0')

四、常见问题与解决方案

问题 1：CUDA 版本不匹配

现象：安装后 torch.cuda.is_available() 返回 False
解决：
1. 卸载现有 CUDA：sudo apt remove cuda*（Linux）
2. 通过 PyTorch 官网工具安装匹配版本
3. Windows 用户检查「控制面板」→「程序」中是否有多个 CUDA 版本，保留最新版

问题 2：Apple M1/M2 安装失败

现象：ImportError: dlopen(..., symbol not found: _ZTIN10at::Tensor

解决：

# 卸载旧版本并安装 Apple 优化版
pip3 uninstall torch
conda install pytorch torchvision torchaudio -c pytorch -c apple

问题 3：Conda 环境未激活

现象：命令行提示符无环境名，which python 指向系统 Python
解决：
1. 重新激活：conda activate torch_env
2. 修复环境变量：conda init cmd.exe（Windows）或 conda init zsh（macOS/Linux）

问题 4：Pip 安装权限问题

现象：Permission denied 错误

解决：

# 使用虚拟环境（推荐）
python -m venv my_venv && source my_venv/bin/activate  # Linux/macOS
my_venv\Scripts\activate.bat  # Windows
# 或临时使用 --user 选项（不推荐）
pip3 install --user torch

五、进阶安装方案

1. 安装夜间版（获取最新特性）

# Conda
conda install pytorch-nightly torchvision-nightly torchaudio-nightly -c pytorch-nightly

# Pip
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu118

2. 使用 Docker 容器

# 拉取官方 GPU 镜像（需安装 Docker Desktop 并启用 GPU）
docker pull pytorch/pytorch:2.1.0-cuda11.8-cudnn8-runtime

# 运行容器（挂载本地目录）
docker run -it --gpus all -v $(pwd):/workspace pytorch/pytorch:2.1.0-cuda11.8-cudnn8-runtime

3. 源码编译（高级用户）

# 克隆仓库（需安装 Git、CMake、Ninja）
git clone --recursive https://github.com/pytorch/pytorch.git
cd pytorch
# 启用 CUDA 编译
CMAKE_PREFIX_PATH=$(dirname $(which conda))/envs/torch_env python setup.py install

六、版本管理建议

场景	推荐版本	维护周期
生产环境	稳定版（如 2.1.0）	12 个月安全更新
研究开发	最新稳定版（2.1.x）	持续特性更新
尝鲜新功能	夜间版（nightly）	每日构建

七、验证脚本（一键检测）

保存以下代码为 torch_check.py，运行后生成详细报告：

import torch
import platform

def get_system_info():
    return {
        "系统": platform.system(),
        "Python 版本": platform.python_version(),
        "PyTorch 版本": torch.__version__,
        "CUDA 可用": torch.cuda.is_available(),
        "CUDA 版本": torch.version.cuda,
        "MPS 可用": hasattr(torch.backends, "mps") and torch.backends.mps.is_available(),
        "显卡信息": torch.cuda.get_device_name(0) if torch.cuda.is_available() else "无"
    }

if __name__ == "__main__":
    info = get_system_info()
    for k, v in info.items():
        print(f"{k}: {v}")

运行结果示例：

系统: Windows
Python 版本: 3.10.12
PyTorch 版本: 2.1.0
CUDA 可用: True
CUDA 版本: 11.8
MPS 可用: False
显卡信息: NVIDIA GeForce RTX 3060

总结（新手必记清单）

✅ 安装前确认显卡型号和驱动版本（NVIDIA 驱动 ≥ 515.65）
✅ 优先使用Conda 虚拟环境，避免系统级依赖冲突
✅ 运行torch_check.py验证，确保 GPU/MPS 加速已启用
✅ 遇到问题先查官方安装文档，或加入PyTorch 中文社区