### 使用清华大学开源镜像源安装支持GPU的PyTorch 为了通过清华大学开源镜像源安装支持GPU的PyTorch，可以按照以下方法操作： #### 方法一：使用pip命令手动指定URL 可以通过`pip install`命令并手动指定下载地址来完成安装。以下是具体实现方式： ```bash pip install torch torchvision torchaudio --index-url https://mirror.tuna.tsinghua.edu.cn/pytorch/whl/cu118/ ``` 上述命令中的`cu118`表示CUDA版本号（例如CUDA 11.8）。如果使用的CUDA版本不同，则需替换为相应的目录名[^1]。 #### 方法二：配置pip索引源 修改pip的默认索引源到清华大学开源镜像站，从而简化后续安装过程。编辑或创建`~/.pip/pip.conf`文件（Linux/MacOS）或者`%APPDATA%\pip\pip.ini`文件（Windows），添加如下内容： ```ini [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple extra-index-url=https://mirror.tuna.tsinghua.edu.cn/pytorch/whl/cu118/ ``` 完成后可以直接运行以下命令安装特定版本的PyTorch： ```bash pip install torch torchvision torchaudio ``` #### 方法三：通过Conda安装 对于使用Anaconda环境的用户，推荐利用Conda进行安装。首先确认已设置好清华镜像源，在`.condarc`文件中加入以下内容： ```yaml channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud ``` 随后执行以下命令以安装对应于CUDA版本的PyTorch GPU版： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia ``` 注意这里的`cudatoolkit=11.8`应调整至实际所需的CUDA工具包版本[^3]。 #### 验证安装是否成功 安装完毕后可通过Python脚本验证是否正确加载了GPU加速模块： ```python import torch print(torch.cuda.is_available()) # 如果返回True则说明成功启用GPU支持 print(torch.version.cuda) # 显示所用CUDA版本号 print(torch.__version__) # 查看当前PyTorch版本信息 ``` #### 特殊情况处理 需要注意的是，并非所有设备都兼容GPU版本的PyTorch。只有配备NVIDIA显卡且驱动程序适配相应CUDA版本的情况下才可正常工作。若未检测到合适的硬件条件，系统可能会自动回退至仅含CPU功能的支持模式[^4]。