PyTorch安装教程

主要是针对Windows、Linux用户操作教程

确认环境

  • python版本：≥3.6【官方推荐 ≥3.9】
  • 使用包管理器（如 pip、uv、conda）
  • 需要GPU版本时：检查NVIDIA显卡/AMD的ROCm的显卡
    • Linux：终端执行lspci | grep -i nvidia【查看PCI设备信息，找到NVIDIA显卡】
  • 卸载原有cuda环境【如下程序】
    • Windows系统：
      • NVIDIA CUDA Development 12.1
      • NVIDIA CUDA Documentation 12.1
      • NVIDIA CUDA Runtime 12.1
      • NVIDIA CUDA Visual Studio Integration 12.1
      • NVIDIA Nsight Compute 2023.1.0
      • NVIDIA Nsight Systems 2023.1.2
      • NVIDIA Nsight Visual Studio Edition 2023.1.0.23041
      • C:\Program Files下的NVIDIA GPU Computing Toolkit文件夹
      • 环境变量 - 系统变量 中cuda相关路径【类似名为CUDA_PATH的变量】
    • Linux系统：
      • 禁用nouveau开源驱动（与NVIDIA官方驱动冲突）：sudo nano /etc/modprobe.d/blacklist-nouveau.conf【编辑黑名单文件】
        blacklist nouveau blacklist lbm-nouveau options nouveau modeset=0 alias nouveau off alias lbm-nouveau off
      • 更新initramfs：sudo update-initramfs -u
      • 重启系统生效：sudo reboot
  • 查看CUDA显卡驱动版本【CUDA版本选择】
    • 通用方式：命令行输入nvidia-smi，检查显卡支持cuda的最高版本（向下兼容，尽量低一个版本）
    • Windows：NVIDIA控制面板内查看
      • NVIDIA控制面板→系统信息→组件，查看NVCUDA64.DLL的产品名称栏，可查看驱动程序支持的最高CUDA版本。
        PyTorch安装2

配置CUDA环境

  1. 安装 CUDA ：右上角显示类似 CUDA Version：12.9 ，安装 CUDA Toolkit 12.8.1 版本

    • Windows：
      • 安装得到类似 cuda_12.8.1_572.61_windows.exe
      • 双击安装——选择默认安装目录（安装完成后自动删除）——精简安装即可
      • 终端检查是否安装成功：nvcc -V【注意 -V 是大写或 --version】
      • 应当显示类似如下
        nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2025 NVIDIA Corporation
Built on Fri_Feb_21_20:42:46_Pacific_Standard_Time_2025
Cuda compilation tools, release 12.8, V12.8.93
Build cuda_12.8.r12.8/compiler.35583870_0

  2. 安装 cuDNN【cuDNN是针对深度神经网络DNN的CUDA扩展库，大大提高深度学习在GPU的运行效率】

    • 下载得到类似如 cudnn-windows-x86_64-9.16.0.29_cuda13-archive.zip 的 cuDNN 压缩包
    • 将 cuDNN 各个文件夹中的文件复制到CUDA对应文件夹中（bin, include, lib-x64）

安装 PyTorch

PyTorch分为CPU版本和GPU版本

  • CPU版本安装：
    • 安装 torch torchvision（使用清华镜像源：-i https://pypi.tuna.tsinghua.edu.cn/simple）
pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
  • GPU版本安装：

    • 选择 Stable-Windows-Pip-Python-CUDA12.8 获取 Run this Command，使用 pip 安装

      pip install torch torchvision --index-url https://download.PyTorch.org/whl/cu128

    • 若使用 uv 管理

      • 方式一（仅加速）： uv pip install 不纳入 uv 的环境管理，行为等同于原生 pip install ，仅提供 uv 的并行和缓存安装加速

      • 方式二（推荐）：

        1. 添加自定义索引并绑定包源：更改 uv 的分析策略 --index-strategy + 使用 --index 添加源：uv add torch torchvision --index PyTorch=https://download.PyTorch.org/whl/cu128 --index-strategy unsafe-best-match

          • --index PyTorch=... 行为：新增名为 PyTorch 的额外索引（不会覆盖默认 PyPI 源），并在 pyproject.toml 中自动为 torch 和 torchvision 绑定该索引。
          • --index-strategy unsafe-best-match解释：uv 分析策略默认为使用解析顺序靠前的依赖而发生版本冲突，更改为 unsafe-best-match 使得正常版本依赖分析【防止 markupasfe 版本冲突导致回退】

        2. 启用索引隔离：完成上一步骤操作后，手动在 pyproject.toml 中添加 explicit = true 【仅当显式指定时才使用此索引，防止污染其他依赖解析】

          [[tool.uv.index]]
name = "PyTorch"
url = "https://download.PyTorch.org/whl/cu128"
explicit = true #添加这一条，用于防止其他依赖使用该索引进行依赖分析和安装