PyTorch 与 Conda 安装指南 - 计算机视觉算法与实践-从入门到精通

最新安装方法 (2025)¶

本节提供了一个现代、可靠的PyTorch安装路径。建议仅使用Conda进行环境管理，而使用pip来安装PyTorch本身。

1) 创建并激活一个新的Conda环境¶

conda create -n pytorch python=3.10 -y
conda activate pytorch

可选（中国大陆用户）：为通用软件包配置Conda通道（非PyTorch必需）：

conda config --add channels conda-forge
conda config --set show_channel_urls yes

2) 优化pip（针对中国大陆用户）¶

为非PyTorch的依赖项设置一个速度更快的PyPI镜像（后续可以恢复）：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

3) 使用pip安装PyTorch¶

请从以下选项中选择一个（仅CPU或特定的CUDA版本）。Pip会安装官方的wheel包，其中已包含CUDA库，因此无需单独安装CUDA工具包（但仍需要NVIDIA驱动程序以支持GPU）。

仅CPU版本:

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

CUDA 12.1版本（适用于较新的NVIDIA驱动）：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

如果您需要其他CUDA版本，请将 cu121 替换为PyTorch官网安装选择器推荐的版本。

4) 验证安装¶

python - << 'PY'
import torch
print('PyTorch版本:', torch.__version__)
print('CUDA是否可用:', torch.cuda.is_available())
print('GPU数量:', torch.cuda.device_count())
if torch.cuda.is_available():
    print('当前设备:', torch.cuda.get_device_name(0))
else:
    print('当前设备: CPU')
PY

1 Pytorch 基础 (旧版)¶

2 目录¶

Pytorch 简介
02 Tensor 概览
03 Tensor 相关操作

4 Pytorch 简介¶

PyTorch (https://pytorch.org/) 是 Facebook 团队于 2017 年 1 月发布的一款原生于 Python 语言的深度学习框架。虽然晚于 TensorFlow、Keras 等框架，但自发布之日起，因其简洁、灵活和可移植性而备受深度学习领域从业者的青睐，关注度持续上升。目前，在 GitHub 上的受欢迎程度已超过 Theano、Caffe、 MXNet 等框架。

5 Pytorch 简介¶

近年来，Pytorch 的使用越来越流行，在 2018 年的排行榜中已经位列第二和第三。以下是近年来论文中各种框架使用情况的排名。

6 Pytorch 简介¶

统计数据显示， 2022 年，Pytorch 在各大国际人工智能会议上的提及次数已超过 TensorFlow。

7 Pytorch 安装¶

云端天池 Notebook（类似于 Jupyter Notebook），集成了机器学习 PAI DSW（DataScienceWorkshop）探索者版，已经安装了 Pytorch。您可以注册一个天池账号，在天池 notebook 中运行 Pytorch 代码。
https://tianchi.aliyun.com

8 Pytorch 安装¶

CPU 版本的天池 notebook 基本上可以无限期使用。同时，天池 Notebook 也提供数小时的免费 GPU 加速版 notebook（需要自己设置）。

9 Pytorch 安装¶

浙江大学人工智能教学与训练平台， Mo-model notebook（类似于 Jupyter Notebook），已经安装了 Pytorch。注册后，您可以在 notebook 中运行 Pytorch 代码。还可以学习丰富的人工智能课程。
https://mo.zju.edu.cn/

10 Pytorch 安装¶

CPU 版本的 notebook 基本上可以无限期使用。此外，还提供一小时免费的 GPU 加速版（显卡加速）notebook （需要自己设置）。

11 Pytorch 安装¶

在本地 Windows 操作系统上安装 Pytorch CPU 版本 – 可以通过命令行运行（注意，在安装前激活虚拟环境，例如 conda activate artificial_intelligence_）：
在本地 Windows 操作系统上安装 Pytorch GPU 版本（前提是有较好的显卡硬件），操作相对复杂

conda install pytorch torchvision torchaudio cpuonly - c pytorch

– 或: pip install torch torchvision torchaudio conda install .tar.bz2

复杂: 清华镜像 (https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win- 64/)，您可以下载合适的 Pytorch.tar.bz2 安装包，然后运行命令行安装

12 Pytorch 安装¶

访问 Pytorch 官网 (https://pytorch.org/)，根据您的计算机配置确定合适的 CUDA 版本。图中显示的是 CUDA 11.3 版本：

13 Pytorch 安装¶

CUDA 安装：
在百度上搜索 cuda，进入 CUDA 官网后找到历史版本信息，并下载匹配的版本。 (https://developer.nvidia.com/cuda-toolkit-archive)

14 Pytorch 安装¶

CUDA 安装：
在百度上搜索 cuda，进入 CUDA 官网后找到历史版本信息，并下载匹配的版本。 (https://developer.nvidia.com/cuda-toolkit-archive)

15 Pytorch 安装¶

CUDA 安装：
通过 cmd 命令输入 nvcc -V，查看安装是否完成。

16 Pytorch 安装¶

Pytorch 安装：
根据 Pytorch 官网上给出的 Conda 命令安装 Pytorch。

conda install pytorch torchvision torchaudio cudatoolkit = 11.3 - c pytorch

17 Pytorch 安装¶

Pytorch 安装：
安装完成后，输入以下命令确认 GPU 版本的 Pytorch 是否成功安装，输出 True 表示安装成功。

Conda 虚拟环境：快速上手¶

Conda 环境用于隔离不同项目的依赖，避免相互干扰。

创建与列出环境¶

# 创建一个指定 Python 版本的环境
conda create -n cv python=3.10 -y
# 列出所有环境
conda env list

激活 / 退出环境¶

conda activate cv
conda deactivate

安装、更新、卸载软件包¶

# 建议优先使用 conda-forge 通道
conda install -c conda-forge numpy matplotlib
# 更新某个包
conda update numpy
# 卸载某个包
conda remove matplotlib

导出与复现实验环境¶

# 导出精确依赖（锁文件，推荐用于克隆环境）
conda list --explicit > env.lock
# 从锁文件复现
conda create -n cv-repro --file env.lock -y

# 或者：导出可读性更好的 YAML（从历史安装生成）
conda env export --from-history > environment.yml
conda env create -n cv-yaml -f environment.yml -y

清理缓存释放空间¶

conda clean -a -y

提示：

建议启用 conda-forge 通道：conda config --add channels conda-forge && conda config --set show_channel_urls yes。
保持 base 环境干净，日常工作在命名环境中进行。
安装 PyTorch 时，请先激活环境，再按上文用 pip 安装。