【新方法】通过清华镜像源加速 PyTorch GPU 2.5安装及 CUDA 版本选择指南

下面详细介绍所提到的两条命令，它们的作用及如何在你的 Python 环境中加速 PyTorch 等库的安装。

1. 设置清华镜像源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

这条命令的作用是将 pip （Python 的包管理工具）默认的安装源更改为 清华大学的镜像源 ，从而加速后续包的下载速度。清华镜像源是国内非常可靠的 PyPI 镜像源之一，尤其是在中国大陆使用时，它能显著提高安装 Python 库的速度。

背景知识：

• 默认情况下，pip 使用的是 官方 PyPI （Python Package Index）的源，该源位于国外。在中国大陆，由于网络访问的限制和延迟，访问官方 PyPI 源时可能会遇到下载慢、超时等问题。
• 为了解决这个问题，很多高校和公司提供了 PyPI 镜像源 ，清华大学提供的镜像源就其中之一。使用镜像源可以大大加速下载过程。

如何工作：

• 执行 pip config set global.index-url 后，pip 会将下载源更改为清华镜像源。因此，后续所有通过 pip install 安装的包都会从该镜像源获取，而不是默认的官方源。

示例：

假设你需要安装一些库，如 NumPy 或 Pandas ，在清华镜像源下下载会比从官方源快得多。你只需要运行：
pip install numpy

该命令会自动从清华镜像源下载和安装 numpy 库。

2. 通过指定 PyTorch 官方源安装 PyTorch、TorchVision 和 Torchaudio

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

这条命令的目的是通过指定 PyTorch 官方源 下载并安装 PyTorch ，TorchVision 和 Torchaudio 库。你还指定了 PyTorch 适用于 CUDA 11.8 版本的安装包。

背景知识：

• PyTorch 是一个广泛使用的深度学习框架，支持 GPU 加速。为了使用 PyTorch 的 GPU 功能，你需要安装支持特定 CUDA 版本的 PyTorch。
• CUDA 是 NVIDIA 提供的并行计算平台，支持在 GPU 上进行高效计算。PyTorch 需要与 CUDA 版本匹配才能在 GPU 上运行。
• 在 PyTorch 的安装过程中，你可以选择对应你的 CUDA 版本的安装包。例如，你指定了 cu118，表示安装与 CUDA 11.8 兼容的版本。

说明：

• torch 是 PyTorch 库的核心，提供了深度学习的基础功能。
• torchvision 是一个计算机视觉库，包含了常见的图像处理、模型、数据集等功能。
• torchaudio 是一个用于音频处理的库，扩展了 PyTorch 在音频领域的能力。

你指定的 --index-url https://download.pytorch.org/whl/cu118 是 PyTorch 官方的二进制文件源，它为不同的 CUDA 版本提供了预编译的 PyTorch 安装包。这样可以避免你手动编译 PyTorch，从而加速安装过程。

示例：

如果你已经设置了清华镜像源，并希望安装适用于 CUDA 11.8 的 PyTorch，可以运行以下命令：

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

这会直接从 PyTorch 的官方源下载并安装支持 CUDA 11.8 的版本，确保你能够利用 GPU 来加速深度学习训练和推理。

详细流程总结：

1. 设置镜像源 ：
   • 通过 pip config set global.index-url 命令，将 pip 默认的包源更改为清华镜像源，能够有效加速包的下载速度，尤其是对于在中国大陆的用户。
   • 使用清华镜像源的好处是，它提供了本地化的源，减少了跨境访问的延迟。
2. 安装 PyTorch 等库 ：
   • 使用 pip install 命令安装指定版本的 PyTorch 相关库，并通过 --index-url 指定官方源（如 CUDA 11.8 版本的 PyTorch）。
   • 通过这种方式，你可以确保安装的是兼容你机器的 CUDA 版本的 PyTorch，从而能够利用 GPU 提升计算性能。

额外的注意事项：

• CUDA 版本 ：确保你的机器上已安装相应版本的 CUDA ，否则无法利用 GPU 加速。不同的 CUDA 版本可能需要不同的 PyTorch 安装包。
• 虚拟环境 ：建议在 Python 虚拟环境中进行安装，以避免与系统环境发生冲突。

小贴士：

如果你需要使用不同版本的 CUDA，可以访问 PyTorch 官方安装指南，选择合适的版本并生成对应的安装命令：PyTorch 官网安装页面

参考

https://pytorch.org/get-started