### 安装指定版本的 PyTorch 为了在 Python 中安装特定版本的 PyTorch 并适配对应的 Python 环境，可以通过以下方法实现： #### 方法一：通过 Conda 安装指定版本的 PyTorch 和 CUDA 工具包 Conda 是 Anaconda 提供的一个强大的包管理工具，支持多平台和多种依赖关系解决方式。以下是具体操作步骤： 1. **创建并激活虚拟环境** 使用 `conda create` 命令创建一个新的虚拟环境，并指定所需的 Python 版本。例如，如果需要 Python 3.8 的环境，则运行以下命令： ```bash conda create -n myenv python=3.8 ``` 激活刚刚创建的虚拟环境： ```bash conda activate myenv ``` 2. **安装指定版本的 PyTorch 及其依赖项** 如果要安装 PyTorch 1.10.0，并且希望它兼容 CUDA 11.3，可以使用以下命令： ```bash conda install pytorch=1.10.0 torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 此外，还可以进一步指定更精确的构建编号（build number），例如 `py3.8_cuda11.3_cudnn8.2_0`[^5]。 --- #### 方法二：通过 Pip 安装指定版本的 PyTorch Pip 是 Python 自带的标准包管理器，适用于不需要复杂依赖解析的情况。以下是具体的安装过程： 1. **确认 Python 版本** 首先确保当前使用的 Python 版本满足目标 PyTorch 版本的要求。例如，PyTorch 1.6 不支持高于 Python 3.6 的版本[^2]。 2. **下载并安装指定版本的 PyTorch** 访问官方 PyTorch 下载页面 (https://pytorch.org/get-started/previous-versions/) 或者直接使用 pip 命令来安装所需版本。例如，安装 PyTorch 1.7.1 GPU 版本（CUDA 11.0 支持）可运行以下命令： ```bash pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html ``` 3. **验证安装成功与否** 执行以下代码片段以测试 PyTorch 是否正常工作： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` --- #### 注意事项 - 若需安装 CPU-only 版本的 PyTorch，只需省略 `-f` 参数及其后的 URL 即可[^4]。 - 对于较新的 PyTorch 版本（如 2.x 系列），可能还需要额外配置 NVIDIA 的通道以获取合适的 CUDA 工具包。 --- ### 总结 无论是采用 Conda 还是 Pip 方式，都应仔细核对所选 PyTorch 版本与现有 Python 环境之间的兼容性问题[^1]。推荐优先考虑 Conda 路径，因其能更好地处理复杂的依赖关系。