### 下载并安装适用于 Python 3.9 的 PyTorch 为了确保正确安装适用于 Python 3.9 的 PyTorch，以下是详细的说明： #### 查看当前环境中的 Python 版本 在安装之前，请确认已有的 Python 版本是否为 3.9。可以通过以下命令验证： ```bash python --version ``` 如果尚未安装 Python 3.9 或需要在一个独立环境中操作，则建议创建一个新的 Conda 虚拟环境。 --- #### 创建新的 Conda 环境 使用以下命令创建一个基于 Python 3.9 的新环境 `my_env` 并激活它： ```bash conda create -n my_env python=3.9 conda activate my_env ``` 此步骤有助于隔离依赖项，防止与其他项目冲突[^2]。 --- #### 查询适用的 CUDA 和 PyTorch 版本 根据引用内容可知，CUDA 11.6 对应的稳定版 PyTorch 是 1.12.0。若需更高版本（如 PyTorch 1.13），则可能需要调整 CUDA 驱动程序或手动下载 `.whl` 文件[^3]。 可通过官方页面进一步核实支持关系：<https://pytorch.org/get-started/previous-versions/> --- #### 使用 Pip 安装指定版本的 PyTorch 对于 Python 3.9 和 CUDA 11.6 组合，推荐执行如下命令来安装稳定的 PyTorch 1.12.0 及其相关组件： ```bash pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu116 ``` 注意：如果网络连接较慢或者超时错误发生，可尝试更换清华镜像源完成 NumPy 等基础包的预安装[^1]: ```bash pip install numpy==1.22.4 scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple ``` 随后再次运行上述 PyTorch 安装指令即可解决部分兼容性问题。 --- #### 测试安装结果 进入 Python 解释器以验证模块加载情况以及 MPS/CUDA 支持状态： ```python import torch print(f"Torch version: {torch.__version__}") print(f"CUDA available: {torch.cuda.is_available()}") if torch.backends.mps.is_available(): print("MPS backend is supported.") else: print("No MPS support detected.") ``` 以上脚本会输出所使用的框架版本号及其硬件加速特性开启状况[^2]。 --- #### 备选方案——本地轮子文件安装法 当在线资源不可靠时，可以从官网获取对应平台架构下的二进制分发包链接地址，并将其保存到本地磁盘后再实施离线部署过程。例如针对 Windows AMD64 架构机器上的 PyTorch 1.13 + cu116 实例化情形下采用下面两步走策略实现完全自定义控制权的目的[^3]: 第一步：下载所需 whl 文件至工作目录； 第二步：逐一注册各组成部分直至全部生效为止。 ```bash pip install .\torch-1.13.0+cu116-cp39-cp39-win_amd64.whl pip install .\torchvision-0.14.0+cu116-cp39-cp39-win_amd64.whl ``` ---