如何安装pytorch：多场景通用安装教程
如何安装pytorch需根据电脑CUDA版本、操作系统选择对应安装指令，主流方式分为pip在线安装、conda离线安装两类，Windows、Linux、macOS系统均可适配，CUDA11.7、CUDA11.8、CUDA12.1为目前适配性最稳定的版本，仅CPU设备可直接安装通用CPU版本，老旧显卡算力低于3.5的设备无法适配新版PyTorch，只能安装1.8及以下旧版本。
PyTorch安装前置环境配置
你需要提前安装Python解释器与包管理工具，Python版本需控制在3.8至3.11之间，该版本区间是PyTorch官方适配的稳定区间，Python3.12及以上版本目前仅支持部分最新测试版，兼容性存在一定波动。若使用conda安装，需提前安装Anaconda或Miniconda，Miniconda体积更小、安装速度更快，适合仅用于深度学习环境搭建的场景。同时需确认显卡算力，可通过NVIDIA官方算力查询工具核对，规避硬件不兼容导致的安装失败问题。
核对电脑CUDA适配状态是安装核心步骤，NVIDIA显卡可在命令行输入nvidia-smi指令，查看显卡支持的最高CUDA版本，安装的PyTorch版本CUDA号不得超过该数值，否则会出现调用失败、GPU无法加速的问题。无独立显卡的电脑直接选择CPU版本即可，无需配置CUDA环境。
主流PyTorch安装方法对比
| 安装方式 | 适用场景 | 优势 | 劣势 |
|---|---|---|---|
| pip安装 | 网络通畅、已有Python环境、快速部署 | 安装速度快、适配所有系统、无需额外软件 | 环境依赖兼容性需手动排查 |
| conda安装 | 离线安装、多环境隔离、深度学习专属场景 | 自动适配依赖、兼容性稳定、无需手动配置CUDA | 安装耗时较长、占用存储空间更大 |
pip在线安装实操步骤
你可打开电脑命令提示符或终端，先升级pip工具，输入python-mpipinstall--upgradepip，规避旧版pip导致的安装报错。根据自身硬件选择对应指令，NVIDIA显卡支持CUDA11.8时，输入pip3installtorchtorchvisiontorchaudio--index-urlhttps://download.pytorch.org/whl/cu118；支持CUDA12.1则替换后缀为cu121；纯CPU设备直接输入pip3installtorchtorchvisiontorchaudio即可完成安装。
安装完成后必须验证可用性，在终端输入python进入Python交互界面，依次输入importtorch、print(torch.__version__)、print(torch.cuda.is_available())，输出版本号且GPU设备显示True，即代表安装成功、GPU加速功能正常启用。若输出False，大概率是CUDA版本不匹配，需降级PyTorch对应CUDA版本。
conda离线安装实操步骤
你先打开Anaconda终端，创建专属深度学习环境，输入condacreate-npytorch_envpython=3.10，指定稳定的Python版本，输入y确认安装。随后输入condaactivatepytorch_env激活环境，避免与电脑原有Python环境冲突。激活后输入对应安装指令，CUDA11.8版本指令为condainstallpytorchtorchvisiontorchaudiopytorch-cuda=11.8-cpytorch-cnvidia，CPU版本直接删除pytorch-cuda参数即可。
conda安装无需手动配置CUDA依赖，软件会自动匹配适配的驱动组件，适合新手使用，能有效减少环境报错概率。安装结束后沿用pip安装的验证方式，检测版本与GPU调用状态即可。
安装适用边界限制
macOS设备仅支持CPU版本PyTorch，无官方GPU加速适配方案，无法通过显卡提升运算速度。
Windows7及以下老旧系统无法安装2.0及以上新版PyTorch，系统内核不兼容，仅可使用1.7版本及以下旧版工具包。国内网络环境下，官方源下载速度较慢，可替换清华镜像源加速安装，能大幅降低安装超时、下载中断的概率。
