### 正确安装 PyTorch 1.9.1 cu111 版本的方法 为了确保能够正确安装 PyTorch 1.9.1 并搭配 CUDA Toolkit 11.1，在使用 Conda 创建环境时，推荐采用 YAML 文件来定义依赖关系。这不仅有助于管理包版本的一致性，还能简化环境复制过程。 #### 使用 YAML 文件配置 Conda 环境 以下是用于创建包含指定 PyTorch 及其他常用库版本的 Conda 环境的 YAML 配置文件示例： ```yaml name: pytorchenv channels: - pytorch - defaults dependencies: - python=3.8 # Python 版本应与 PyTorch 的构建相匹配[^4] - pytorch=1.9.1 cudatoolkit=11.1 -c pytorch # 指定 PyTorch 和 CUDA 工具集版本[^1] - torchvision=0.10.0 # 对应于 PyTorch 1.9.1 的 torchvision 版本 - numpy=1.16.2 # 基础科学计算库 - pandas=0.24.2 # 数据处理库 - matplotlib=3.0.3 # 绘图库 - pillow=5.4.1 # 图像处理库 - pip=19.0 # PIP 包管理器 - plotly=3.7.0 # 交互式图表绘制库 - scikit-learn=0.20.3 # 机器学习算法集合 - seaborn=0.9.0 # 基于 Matplotlib 的统计图形库 - jupyter=1.0.0 # Jupyter Notebook 支持 ``` 此配置基于先前成功使用的设置进行了调整，以适应特定版本的需求[^3]。请注意，Python 版本的选择应当考虑到所选 PyTorch 构建的支持情况；对于 PyTorch 1.9.1 来说，通常建议使用 Python 3.8 或者更高版本。 #### 执行环境创建命令 保存上述内容至 `environment.yml` 文件后，可以通过以下命令行指令创建并激活该 Conda 环境： ```bash conda env create -f environment.yml conda activate pytorchenv ``` 完成这些步骤之后，应该可以顺利获得一个预配置好的工作环境，其中包含了经过验证兼容性的 PyTorch 以及其它必要的软件包组合。