当前位置：首页 > article >正文

【超详细教程】2025年3月最新Pytorch安装教程（同时讲解安装CPU和GPU版本）

article 2026/2/18 4:02:17

一、前言
二、pytorch简介
三、安装准备工作
- 3.1、下载Anaconda
四、判断是否有NVIDIA显卡
五、安装pytorch-CPU版本
六、安装pytorch-GPU版本
- 6.1、查看CUDA显卡驱动版本
- 6.2、安装CUDA
- 6.3、安装CuDNN（加速器）
- 6.4、安装pytorch-GPU
- 6.5 其他方法安装
- - 注意
七、pytorch-GPU安装验证

一、前言

在深度学习和人工智能领域，PyTorch已成为最受欢迎的开源框架之一。随着技术的不断进步，PyTorch也在持续更新和优化。本文将为您带来2025年最新版本的PyTorch安装教程，并详细解析如何安装支持CPU和GPU的版本。通过本文，您将轻松掌握PyTorch的安装过程，为您在深度学习的探索之旅中提供强大的工具支持。
在这里插入图片描述

二、pytorch简介

Pytorch是基于torch的python版本的机器学习库，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络(DNN)编程。 Torch 是一个经典的对多维矩阵数据进行操作的张量(tensor )库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。作为经典机器学习库 Torch 的端口，PyTorch 为 Python 语言使用者提供了舒适的写代码选择。

在这里插入图片描述

三、安装准备工作

在开始安装PyTorch之前，我们需要进行一些准备工作。首先，确保您的计算机上已安装了合适版本的Python。PyTorch需要Python 3.6或更高版本。同时，您还需要安装pip包管理器，用于安装PyTorch和其他依赖项。所以我们可以通过安装Anaconda来创建一个适合深度学习的Python环境。以下是详细的安装步骤。

3.1、下载Anaconda

首先，访问Anaconda官网（Free Download | Anaconda），选择适合你操作系统的版本，并下载安装包，详细的安装步骤可参考我之前的文章：Anaconda在Windows上的安装与使用
在这里插入图片描述

在这里插入图片描述

四、判断是否有NVIDIA显卡

在安装PyTorch之前，我们需要判断您的计算机是否安装了NVIDIA显卡，因为PyTorch的GPU版本需要NVIDIA显卡来加速计算。您可以通过以下步骤来判断：

① 打开设备管理器：
在Windows上，按下Win键和X键，然后选择“设备管理器”。
在macOS上，打开“系统偏好设置”，选择“硬件”选项卡，然后点击“设备管理器”。

② 查看显示适配器：在设备管理器中，展开“显示适配器”或“图形处理器”部分，查看是否有NVIDIA显卡的列表。如果有NVIDIA显卡，那么您的计算机适合安装PyTorch的GPU版本。

如果没有NVIDIA显卡，您可以只安装PyTorch的CPU版本。如果您有NVIDIA显卡，您还需要进行其他步骤来安装PyTorch的GPU版本。
在这里插入图片描述
（Windows系统——有NVIDIA显卡示例）

五、安装pytorch-CPU版本

在安装PyTorch之前，为了管理不同项目的Python环境，通常建议创建一个虚拟环境。虚拟环境可以帮助您隔离不同项目的依赖项，避免不同项目之间的冲突。以下是创建虚拟环境的步骤。

① 打开终端：在Windows上，打开Anaconda Prompt；在macOS和Linux上，打开终端；
在这里插入图片描述

② 创建虚拟环境：运行以下命令来创建一个新的虚拟环境。您可以将<env_name>替换为您喜欢的环境名称，例如“my_env”。

conda create -n <env_name> python=<version>

例如，要创建一个名为myenv的虚拟环境，其中Python版本为3.10，可以运行：

conda create -n my_env python=3.10

③ 激活虚拟环境：运行以下命令来激活刚刚创建的虚拟环境。在Windows上，使用activate命令；在macOS和Linux上，使用source命令。

conda activate <env_name>

例如，要激活名为my_env的虚拟环境，可以运行：

conda activate my_env# To deactivate an active environment, use
conda deactivate

激活虚拟环境后，您将看到虚拟环境的命令提示符前缀显示为(<env_name>)。这意味着您现在正在使用该虚拟环境的Python解释器。
在这里插入图片描述

④ 安装PyTorch（CPU）：在激活的虚拟环境中，使用pip安装PyTorch。根据您的需求，选择安装CPU版本。
在这里插入图片描述

pip3 install torch torchvision torchaudio

官网安装可能很慢（网络不佳和必要的时候可以添加国内源，清华国内源：https://pypi.tuna.tsinghua.edu.cn/simple）

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

这样就是安装成功啦~🥰（CPU版本）

六、安装pytorch-GPU版本

6.1、查看CUDA显卡驱动版本

在cmd命令行终端输入nvidia-smi，可以查看到版本为12.5。
在这里插入图片描述

6.2、安装CUDA

① 为什么安装pytorch-GPU前一定要安装CUDA和CuDNN呢？
在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN的原因如下：
1. CUDA是NVIDIA推出的并行计算平台和API模型，它使得显卡可以用于图像渲染和计算以外的
目的，例如通用并行计算。PyTorch通过CUDA可以充分利用GPU的计算能力，加速深度神经网络> 的学习和推理过程。
2. cuDNN是CUDA的扩展库，专门针对深度神经网络中的基础操作提供高度优化的实现方式，
例如卷积、池化、规范化以及激活层的前向和后向过程。使用cuDNN可以大大提高深度学习模型在GPU上的运行效率。
因此，在安装PyTorch-GPU之前，需要先安装CUDA和cuDNN，以便能够充分利用GPU的计算能力，加速深度神经网络的学习和推理过程。如果不安装CUDA和cuDNN，PyTorch-GPU将无法正常工作。

从官网下载对应的CUDA版本，由于我的显卡版本为12.5，我只需要安装小于或者等于12.5.0都是可以的，我安装的是12.5.0，(目前建议安装11.8，https://download.pytorch.org/whl相对比较完善)。

官网地址：CUDA Toolkit Archive | NVIDIA Developer
在这里插入图片描述

在这里插入图片描述

下载好后，双击安装包进行安装
在安装过程中选择路径的时候，第一次选择的路径下的文件夹会消失。
此处为临时安装目录（默认就可），后期安装完成会自动删除。
在这里插入图片描述

选择“精简”模式，接下来一直点“下一步”就行啦~😉，精简模式会默认安装到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5这个文件夹
在这里插入图片描述
（开始安装，等待后续安装完成）

查看是否安装成功，在命令行输入以下指令进行检查，出现以下类似的输出就证明安装成功。

nvcc  -V

在这里插入图片描述

安装遇到的问题：
安装后不知道cuda安装到哪个文件夹下：【安装完CUDA后文件夹消失解答】

6.3、安装CuDNN（加速器）

通过官网进行安装CuDNN，网址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer
在这里插入图片描述
下载相对应的压缩包文件

安装并解压完后，将这几个文件夹复制到CUDA安装路径下，就已经安装完成啦😎
在这里插入图片描述
复制到cuda文件夹C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5下。
CUDA安装默认路径：
Windows：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
Linux：/usr/local/cuda

6.4、安装pytorch-GPU

① 打开终端：在Windows上，打开Anaconda Prompt；在macOS和Linux上，打开终端；
在这里插入图片描述

② 创建虚拟环境：运行以下命令来创建一个新的虚拟环境。您可以将<env_name>替换为您喜欢的环境名称，例如“my_env”。

conda create -n <env_name> python=<version>

例如，要创建一个名为my_env的虚拟环境，其中Python版本为3.10，可以运行：

conda create -n myenv python=3.10

③ 激活虚拟环境：运行以下命令来激活刚刚创建的虚拟环境。在Windows上，使用activate命令；在macOS和Linux上，使用source命令。

conda activate <env_name>

例如，要激活名为my_env的虚拟环境，可以运行：

conda activate my_env

激活虚拟环境后，您将看到虚拟环境的命令提示符前缀显示为(<env_name>)。这意味着您现在正在使用该虚拟环境的Python解释器。

④ 安装PyTorch（GPU）：在激活的虚拟环境中，使用pip安装PyTorch。根据您的需求，选择安装GPU版本。例如：（网络不佳和必要的时候可以添加国内源）
官网链接：PyTorch
在这里插入图片描述
命令

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

官网安装可能很慢（网络不佳和必要的时候可以添加国内源）
下面是一些镜像地址
清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
北京外国语大学镜像： https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
阿里巴巴镜像：http://mirrors.aliyun.com/anaconda/pkgs/main

在这里插入图片描述

这样就是安装成功啦~🥰（GPU版本）

6.5 其他方法安装

（1）安装固定版本号

pip install torch==2.6.0+cu118 torchvision==0.21.0+cu118 torchaudio==2.6.0+cu118 -f
https://download.pytorch.org/whl/torch_stable.html

（2）离线安装torch，由于torch比较大，安装缓慢，可下载后离线安装

离线包下载地址：download.pytorch.org/whl/torch_stable.html

安装方式

pip install torch-2.0.1+cu118-cp310-cp310-win_amd64.whl

注意

1）Pytorch与torchvision版本对应问题

Pytorch与torchvision版本配套

在这里插入图片描述

七、pytorch-GPU安装验证

注意：torch.cuda.is_available() 为True则GPU可用，False表示不可用

import torchprint(torch.__version__)
print(torch.version.cuda)
print(torch.cuda.is_available())  #输出为True，则安装成功

运行输出
. 在这里插入图片描述

这样就是安装成功啦~🥰（GPU版本）

八、总结
🎉 恭喜您！您已经成功完成了PyTorch的安装教程。通过阅读本文，您了解了安装PyTorch的详细步骤，包括准备工作、判断显卡、创建虚拟环境、安装pytorch以及验证安装是否成功。 🚀

参考文章：
从零开始安装pytorch（包含GPU和CPU版本的安装）
【超详细教程】2024最新Pytorch安装教程（同时讲解安装CPU和GPU版本）

目录

一、前言

二、pytorch简介

三、安装准备工作

3.1、下载Anaconda

四、判断是否有NVIDIA显卡

五、安装pytorch-CPU版本

六、安装pytorch-GPU版本

6.1、查看CUDA显卡驱动版本

6.2、安装CUDA

6.3、安装CuDNN（加速器）

6.4、安装pytorch-GPU

6.5 其他方法安装

注意

七、pytorch-GPU安装验证

相关文章：