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())
# 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)
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]])