### PyTorch 2.1.0 和 torchvision 完整环境安装指南 #### 创建 Conda 虚拟环境 在安装 PyTorch 和 torchvision 之前，建议创建一个独立的 Conda 虚拟环境以避免与其他 Python 包发生冲突。以下是创建虚拟环境的命令： ```bash conda create -n pytorch_env python=3.9 conda activate pytorch_env ``` 通过上述命令可以创建并激活名为 `pytorch_env` 的虚拟环境[^3]。 #### 检查系统要求和 CUDA 驱动版本 在安装 PyTorch 之前，需要确保系统已正确安装 NVIDIA 驱动程序，并且驱动版本与目标 CUDA 版本兼容。PyTorch 2.1.0 支持 CUDA 11.7 或更高版本。可以通过以下命令检查显卡驱动版本： ```bash nvidia-smi ``` 如果未安装合适的驱动，请根据显卡型号下载并安装最新的 NVIDIA 驱动程序。 #### 安装 PyTorch 2.1.0 和 torchvision 访问官方 PyTorch 安装页面以获取适合当前系统的安装命令： [https://pytorch.org/get-started/locally/](https://pytorch.org/get-started/locally/) 选择以下选项： - **PyTorch Build**: Stable (2.1.0) - **Your OS**: Linux / Windows / macOS（根据操作系统选择） - **Package**: Conda / Pip（推荐使用 Conda） - **Language**: Python - **Compute Platform**: CUDA 11.7 或 CPU（如果没有 GPU） 以下是基于 Conda 的安装命令示例（适用于 CUDA 11.7）： ```bash conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio -c pytorch -c nvidia ``` 如果是 CPU 版本，则使用以下命令： ```bash conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio cpuonly -c pytorch ``` #### 验证安装是否成功 安装完成后，可以通过以下代码验证 PyTorch 和 torchvision 是否正常工作： ```python import torch import torchvision print("PyTorch version:", torch.__version__) print("TorchVision version:", torchvision.__version__) print("CUDA available:", torch.cuda.is_available()) ``` 如果输出显示正确的版本号并且 CUDA 可用性为 `True`，则说明安装成功。 #### 常见问题及解决方案 1. 如果出现类似 `ImportError: /usr/local/lib/python3.5/dist-packages/torchvision/_C.cpython-35m-x86_64-linux-gnu.so: undefined symbol: _ZN2at7getTypeERKNS_6TensorE` 的错误，可能是由于 PyTorch 和 torchvision 的版本不匹配导致[^1]。 2. 在 Windows 系统下，建议从官方提供的 URL 下载对应版本的 `.whl` 文件并使用 `pip` 安装[^2]。 3. 如果需要安装其他相关工具包（如 `torchtext`、`torchaudio`），可以参考类似的安装方法或直接通过 `conda` 安装[^4]。 ---