### 下载适用于 PyTorch 和 CUDA 12.6 的国内镜像源 根据提供的信息，国内用户可以通过清华大学或上海交通大学的镜像源加速下载 PyTorch 和相关依赖。以下是针对 CUDA 12.6 的具体解决方案。 #### 使用清华大学镜像源 清华大学提供了稳定的 Conda 镜像源，可以显著提升下载速度。首先需要配置 Conda 使用清华大学的镜像源[^5]： ```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 --set show_channel_urls yes ``` 完成配置后，可以通过以下命令安装适用于 CUDA 12.6 的 PyTorch。需要注意的是，PyTorch 官方支持的 CUDA 版本可能不包括 CUDA 12.6[^4]。因此，建议先确认 PyTorch 是否兼容 CUDA 12.6，或者选择一个兼容的 CUDA 版本（如 CUDA 12.4 或更低版本）。 如果确实需要 CUDA 12.6 支持，可以尝试手动安装 NVIDIA 提供的 CUDA 工具包，并通过以下命令安装 PyTorch（假设 Python 环境为 3.9 或更高版本）： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126 ``` 由于官方可能未提供 CUDA 12.6 的直接支持，推荐使用以下方法验证可用性并调整 CUDA 版本： #### 使用上海交通大学镜像源 上海交通大学也提供了 PyTorch 的 pip 镜像源，可以替换默认的 PyTorch 源地址以加速下载[^2]： ```bash pip install torch torchvision torchaudio -f https://mirror.sjtu.edu.cn/pytorch-wheels/torch_stable.html ``` 此命令会从上海交通大学的镜像源下载最新的 PyTorch 软件包。如果需要指定 CUDA 12.6，则需确保目标版本与 CUDA 兼容。例如： ```bash pip install torch torchvision torchaudio --index-url https://mirror.sjtu.edu.cn/pytorch-wheels/cu126 ``` #### 验证安装 安装完成后，可以通过以下代码验证 PyTorch 和 CUDA 的正确性： ```python import torch print(torch.__version__) # 打印 PyTorch 版本 print(torch.cuda.is_available()) # 检查 CUDA 是否可用 print(torch.version.cuda) # 打印 CUDA 版本 ``` 如果 `torch.cuda.is_available()` 返回 `True`，且 `torch.version.cuda` 显示为 `12.6`，则说明安装成功[^4]。 #### 注意事项 - 如果 PyTorch 官方未提供对 CUDA 12.6 的支持，建议降级到兼容版本（如 CUDA 12.4），并通过上述命令重新安装。 - 使用 Conda 安装时，可以选择离线安装包的方式[^1]，但需要确保本地已下载对应版本的 `.tar.bz2` 文件。 --- ###