现在位置: 首页 > PyTorch 教程 > 正文

PyTorch 安装

PyTorch 是一个流行的深度学习框架,支持 CPU 和 GPU 计算。

支持的操作系统

  • Windows:Windows 10 或更高版本(64位)
  • macOS:macOS 10.15 (Catalina) 或更高版本
  • Linux:主流发行版(Ubuntu 18.04+、CentOS 7+、RHEL 7+等)

Python 版本要求

  • 推荐版本:Python 3.8 - 3.11
  • 最低要求:Python 3.7
  • 注意:Python 3.12+ 支持可能有限,建议使用稳定版本

硬件要求

  • CPU:支持 SSE4.2 指令集的 x86_64 处理器
  • 内存:至少 4GB RAM(推荐 8GB+)
  • 存储:至少 3GB 可用空间
  • GPU(可选):NVIDIA GPU with CUDA Compute Capability 3.5+

CUDA 兼容性(GPU 版本)

PyTorch 版本 支持的 CUDA 版本 推荐 CUDA 版本
2.1.x 11.8, 12.1 12.1
2.0.x 11.7, 11.8 11.8
1.13.x 11.6, 11.7 11.7

安装前的准备工作

检查系统信息

Windows:

# 检查 Windows 版本
winver

# 检查 Python 版本
python --version

# 检查是否有 NVIDIA GPU
nvidia-smi

macOS

# 检查 macOS 版本
sw_vers

# 检查 Python 版本
python3 --version

# 检查是否有兼容的 GPU(Apple Silicon)
system_profiler SPDisplaysDataType

Linux

# 检查发行版信息
cat /etc/os-release

# 检查 Python 版本
python3 --version

# 检查 NVIDIA GPU
nvidia-smi

# 检查 CUDA 版本(如果已安装)
nvcc --version

Python 环境管理

使用 Anaconda/Miniconda:

# 下载并安装 Miniconda
# Windows: https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe
# macOS: https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
# Linux: https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 创建专用环境
conda create -n pytorch_env python=3.10
conda activate pytorch_env

使用 venv(Python 自带)

# 创建虚拟环境
python -m venv pytorch_env

# 激活环境
# Windows
pytorch_env\Scripts\activate
# macOS/Linux
source pytorch_env/bin/activate

安装 PyTorch

PyTorch 官方提供了几种安装方法,可以通过 pip 或 conda 进行安装。

CPU 版本安装

使用 pip 安装 pytorch:

# 最新稳定版本
pip install torch torchvision torchaudio

# 指定版本
pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0

# 仅 CPU 版本(更小的安装包)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

使用 conda 安装:

如果你使用 Anaconda 或 Miniconda 管理 Python 环境,使用 conda 安装 PyTorch 可能会更加简单和高效。

# 从 conda-forge 安装
conda install pytorch torchvision torchaudio cpuonly -c pytorch

# 或从 conda-forge 渠道
conda install pytorch torchvision torchaudio -c conda-forge

如果不了解Anaconda,可以参考: Anaconda 教程

通过 PyTorch 官网安装

访问 PyTorch 的官方网站 https://pytorch.org/get-started/locally/,网站提供了一个方便的工具,可以根据你的系统配置(操作系统、包管理器、Python版本以及CUDA版本)推荐安装命令。

从源代码安装

如果你需要从源代码安装PyTorch,或者想要尝试最新的开发版本,你可以使用以下命令:

git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
python setup.py install

这将从 GitHub 克隆 PyTorch 的源代码,并使用 setup.py 进行安装。

GPU 版本安装(CUDA)

安装 CUDA(如果需要):

# Ubuntu/Debian
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda-repo-ubuntu2004-12-1-local_12.1.0-530.30.02-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-12-1-local_12.1.0-530.30.02-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2004-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

# CentOS/RHEL
sudo yum install -y https://developer.download.nvidia.com/compute/cuda/repos/rhel8/x86_64/cuda-repo-rhel8-12.1.0-1.x86_64.rpm
sudo yum clean all
sudo yum -y install cuda

安装 PyTorch GPU 版本:

# CUDA 12.1 版本
pip install torch torchvision torchaudio

# CUDA 11.8 版本
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

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

macOS 特殊说明

Apple Silicon (M1/M2) Mac:

# 使用 Metal Performance Shaders (MPS) 后端
pip install torch torchvision torchaudio

# 验证 MPS 可用性
python -c "import torch; print(torch.backends.mps.is_available())"

Intel Mac:

# 标准安装
pip install torch torchvision torchaudio

验证安装

为了确保 PyTorch 已正确安装,我们可以通过执行以下 PyTorch 代码来验证是否安装成功:

实例

import torch

# 当前安装的 PyTorch 库的版本
print(torch.__version__)
# 检查 CUDA 是否可用,即你的系统有 NVIDIA 的 GPU
print(torch.cuda.is_available())

如果 torch.cuda.is_available() 输出 True,则说明 PyTorch 成功识别到你的 GPU。

一个简单的实例,构建一个随机初始化的张量:

实例

import torch
x = torch.rand(5, 3)
print(x)

如果安装成功,输出结果类似如下:

tensor([[0.3380, 0.3845, 0.3217],
        [0.8337, 0.9050, 0.2650],
        [0.2979, 0.7141, 0.9069],
        [0.1449, 0.1132, 0.1375],
        [0.4675, 0.3947, 0.1426]])