### 如何根据系统配置和需求下载正确版本的 PyTorch 在下载特定版本的 PyTorch 时，需要综合考虑系统的硬件环境（如是否支持 GPU 加速）、操作系统类型、Python 版本以及 CUDA Toolkit 的版本。以下是详细的指导： #### 1. 确定系统环境 首先明确当前系统的配置信息，包括操作系统（Windows、Linux 或 macOS）、Python 版本以及是否具备 NVIDIA GPU 和对应的驱动程序。如果系统中没有 NVIDIA GPU 或者不需要使用 GPU 加速，则可以选择安装 CPU 版本的 PyTorch[^3]。 #### 2. 检查 CUDA 版本兼容性 如果计划使用 GPU 加速，需确保显卡驱动已正确安装，并且与目标 CUDA Toolkit 版本兼容。CUDA 是 NVIDIA 提供的一种并行计算平台和编程模型，PyTorch 的 GPU 支持依赖于它。不同版本的 PyTorch 对应特定的 CUDA 版本，具体对应关系可以参考官方文档中的“Previous PyTorch Versions”页面[^2]。 #### 3. 使用官方推荐命令安装 访问 PyTorch 官方网站提供的安装指南页面[^2]，根据提示选择合适的选项： - **操作系统**：选择当前运行的操作系统。 - **包管理器**：通常推荐使用 `pip` 或 `conda`。 - **Python 版本**：确保与现有环境匹配。 - **CUDA 版本**：根据系统实际支持的 CUDA 版本进行选择。 生成的安装命令类似于以下格式： ```bash pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html ``` 对于无需 GPU 加速的情况，可以直接安装 CPU 版本： ```bash pip install torch==1.10.0+cpu torchvision==0.11.1+cpu torchaudio==0.10.0+cpu -f https://download.pytorch.org/whl/torch_stable.html ``` #### 4. 验证安装是否成功 完成安装后，可以通过以下代码验证 PyTorch 是否正常工作以及是否启用了 GPU 加速： ```python import torch print("PyTorch Version:", torch.__version__) print("CUDA Available:", torch.cuda.is_available()) print("Current Device:", torch.cuda.current_device() if torch.cuda.is_available() else "CPU") ``` 如果输出显示 `CUDA Available: True`，则表明 GPU 加速功能已启用。 --- ### 注意事项 - 如果系统中存在多个 CUDA 版本，请确保所选 PyTorch 版本与实际使用的 CUDA Toolkit 匹配，否则可能导致运行时错误。 - 在某些特殊情况下（例如离线环境），可能需要手动下载 `.whl` 文件并安装。此时可以从 PyTorch 官方仓库中获取对应文件。 ---