使用python安装pytorch

### 安装指定版本的PyTorch #### 使用 `pip` 安装 PyTorch 为了通过 `pip` 安装特定版本的 PyTorch，可以访问官方文档中的历史版本页面[^2]。此页面提供了不同操作系统、Python 版本以及 CUDA 配置下的安装命令。在执行安装之前，请确认已正确配置 Python 和 pip 的环境[^3]。如果尚未完成安装，可以通过以下命令设置基础依赖项： ```bash sudo apt update && sudo apt install python3 python3-pip ``` 随后，在终端运行适用于目标系统的具体安装指令。例如，对于 CPU-only 的 PyTorch 1.9.0 及其配套工具包 `torchvision`，可使用如下命令： ```bash pip install torch==1.9.0+cpu torchvision==0.10.0+cpu -f https://download.pytorch.org/whl/torch_stable.html ``` 若需支持 GPU 加速，则应替换 URL 中的 `cpu` 参数为对应 CUDA 版本号（如 `cu111` 表示 CUDA 11.1）。以下是针对 NVIDIA 显卡优化后的实例： ```bash pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html ``` #### 使用 Conda 安装 PyTorch 另一种方法是借助 Anaconda 或 Miniconda 来管理软件栈并简化部署流程。Conda 提供了一键式解决方案用于获取预编译好的二进制文件[^1]。创建一个新的虚拟环境以隔离项目依赖关系，并激活它之后再继续操作： ```bash conda create --name pytorch_env python=3.8 conda activate pytorch_env ``` 接着按照需求选取适合的发行版形式。比如稳定发布的最新主线分支或者定制化选项均可满足实际应用场景的要求。下面展示的是基于 Linux 平台下启用 CUDA 支持的标准做法之一： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch ``` 上述语句会自动下载匹配当前硬件特性的最佳组合方案[^4]。 --- ### 注意事项 - 如果遇到网络连接超时等问题尝试更换镜像源地址。 - 对于老旧平台可能需要手动调整兼容性参数直至成功为止。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 pythonkeras安装