### 安装 PyTorch 的前提条件 为了确保 PyTorch 能够顺利安装并正常工作，建议先更新系统的软件包列表，并安装必要的依赖库。这可以通过执行以下命令来完成： ```bash sudo apt update && sudo apt upgrade -y ``` 接着，按照官方推荐的方法安装一些基础的开发工具和库文件[^3]。 ### 创建与管理虚拟环境 创建一个新的 Conda 或者 venv 虚拟环境有助于隔离不同项目之间的依赖关系，防止版本冲突等问题的发生。对于基于 Anaconda/Miniconda 用户来说，可以利用 `conda` 命令轻松实现这一点；而对于偏好原生 Python 解决方案的人，则可以选择使用标准库中的 `venv` 模块。 #### 使用 Conda 创建虚拟环境 ```bash conda create --name pytorch_env python=3.8 conda activate pytorch_env ``` #### 使用 Venv 创建虚拟环境 ```bash python3 -m venv pytorch_venv source pytorch_venv/bin/activate # Linux/MacOS # 对于 Windows 用户应改为: # .\pytorch_venv\Scripts\activate.bat ``` 一旦进入了目标虚拟环境中之后，就可以继续下一步操作了。 ### 安装 PyTorch 及其依赖项 在激活后的虚拟环境下，通过指定适合当前平台架构（CPU/GPU）、Python 版本以及所需功能特性的具体参数组合，可以直接调用相应的安装指令来进行 PyTorch 的部署。这里提供两种方式供选择：一种是借助 Conda 渠道快速获取预编译好的二进制发行版；另一种则是采用 pip 工具手动下载源码自行构建。 #### 利用 Conda 进行安装 ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 此方法适用于大多数情况下的常规需求，特别是当希望简化整个过程而不必担心复杂的编译选项时尤为适用。 #### 使用 Pip 执行安装 在此之前，请务必确认已经完成了前面提到的基础依赖库的准备工作。随后可以根据实际情况调整下面给出的例子中关于 CUDA 支持的部分以匹配硬件设施的具体状况。 ```bash pip install torch torchvision torchaudio ``` 注意，在某些特定条件下可能还需要额外指明 URL 参数以便访问非默认仓库地址，详情可参阅官方网站文档获得最新指导信息[^2]。 ### 验证安装成果 最后一步是要验证新安装的 PyTorch 是否能够正常使用。打开 Python 控制台尝试导入模块并打印版本号是一个简单有效的方式。 ```python import torch print(torch.__version__) if torch.cuda.is_available(): print('CUDA is available') else: print('No CUDA support detected.') ```