### 解决清华大学镜像源无法安装 PyTorch 的问题 在使用清华大学镜像源时，若遇到无法安装 PyTorch 的问题，可能是因为通道配置不完整或未正确添加 PyTorch 官方通道。以下是解决该问题的详细方法： #### 检查当前通道配置 首先，查看当前 Conda 的通道配置以确认是否已包含清华大学镜像源： ```bash conda config --show channels ``` 如果未包含清华大学镜像源，可以按照以下步骤进行添加。 #### 添加清华大学镜像源 通过以下命令将清华大学镜像源添加到 Conda 配置中： ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --set show_channel_urls yes ``` 上述命令依次添加了清华大学的主仓库、免费仓库以及 Conda Forge 仓库，并设置了显示通道 URL 的选项以便于调试[^2]。 #### 添加 PyTorch 官方通道 由于 PyTorch 不一定包含在所有通用镜像源中，需要额外添加 PyTorch 官方通道： ```bash conda config --add channels https://pytorch.org/pytorch-stable ``` 此命令确保在安装 PyTorch 时能够访问官方提供的稳定版本[^3]。 #### 创建新环境并安装 PyTorch 为了减少与其他包的冲突，建议创建一个新的 Conda 环境并在其中安装 PyTorch： ```bash conda create -n pytorch_env python=3.8 conda activate pytorch_env conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 上述命令创建了一个名为 `pytorch_env` 的新环境，并在其中安装了 PyTorch 及其相关依赖项。如果需要 GPU 支持，请根据系统硬件选择合适的 CUDA 版本并替换 `cpuonly` 参数。 #### 验证安装 完成安装后，可以通过以下 Python 脚本验证 PyTorch 是否正常工作： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 如果输出显示正确的 PyTorch 版本且 `torch.cuda.is_available()` 返回 `True`（对于 GPU 系统），则说明安装成功。 --- ### 注意事项 - 如果仍然无法安装 PyTorch，请检查网络连接是否正常，或者尝试更换其他镜像源（如阿里云镜像源）。 - 在添加多个镜像源时，注意优先级顺序。通常情况下，自定义镜像源应位于 `defaults` 之前，以确保优先使用国内镜像源下载软件包。 ---