使用清华、阿里等镜像源提高pytorch安装成功率

Conda基本操作 1创建环境 conda activate -n [环境名称] python=[python版本] 例如 conda activate -n tensorflow python=3.6 2查看环境 conda info -e 当前使用的环境会在前方标注一个星号 3删除环境 conda remove -n [环境名称] --all 例如 conda remove -n test --all 4激活环境 conda activate [环境名称] 例如 conda ........ 阅读详情

查看源

conda config --show-sources

切换源:有两种方式

直接在命令行使用代码:

conda config --add channels XXXX
conda config --set show_channel_urls yes
  • 源地址:
阿里云 速度最快 http://mirrors.aliyun.com/pypi/simple/ 
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
Python官方 https://pypi.python.org/simple/
v2ex http://pypi.v2ex.com/simple/
中国科学院 http://pypi.mirrors.opencas.cn/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
  • 其他源:
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学:http://pypi.hustunique.com/
山东理工大学:http://pypi.sdutlinux.org/

修改配置文件

sudo vim  .condarc

若没有文件:
通过 conda config 命令,
会在当前用户目录下创建 .condarc 文件,可以查看更换源前后该文件内容的变化

删除源

conda config --remove channels XXX

换回源

conda config --remove-key channels

好用的源

pip install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html -i http://mirrors.aliyun.com/pypi/simple/ some-package,实测效果很好,非常快!来自镜像安装pytorch的简便方法总结

(下载很快,但是各种原因没有成功用在我的服务器)

实例

下载:conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch,若使用镜像源,一定去掉后面的 -c pytorch,变为conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0

conda install pytorch torchvision cudatoolkit=10.2

重新梳理

把能添加的全部添加

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/simpleit

conda config --set show_channel_urls yes

成功的版本(删除了一个)

删除了 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/simpleit
当然,也要注意删除defaults

所以采用的链接如下:

  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
【教程】Conda更换镜像源安装pytorch 我们直接从conda官方或pytorch官方安装pytorch时,由于服务器在国外,速度很慢,或者无法下载/中断,这时候换上国内的镜像源会快很多。这里给出更换阿里源的例子,其他国内源同理。 阅读详情

相关推荐

20个常用的Python镜像地址(附指定镜像方法)

8. 中国科学技术大学镜像:https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/5. 华为云镜像:https://mirrors.huaweicloud.com/repository/pypi/simple/15. 西北大学镜像:https://mirrors.nwafu.edu.cn/pypi/web/simple/11. 南京大学镜像:https://mirrors.nju.edu.cn/pypi/simple/

效率工具,软件测试,实用干货,资源分享,这里全是黑科技。 1万+

Linux下缺少libiconv.so.2的解决方法

Linux下缺少libiconv.so.2的解决方法情况简介安装下载libiconv的压缩包解压压缩包编译与安装将库进行链接至此安装完成 情况简介 在Ubuntu系统上安装NCL软件时,在最后运行时报错为 error while loading shared libraries: libiconv.so.2: cannot open shared object file: No such file or directory 这里提示没有这一个库libiconv.so.2 这里无法通过apt-get进行直接安

m0_46093121的博客 1万+

3 大国内镜像源对比:阿里源 vs 清华源 vs 中科大源,conda create 成功率与速度实测

本文对比了国内三大conda镜像源(阿里源、清华源、中科大源)在虚拟环境创建中的成功率与速度表现。通过实测数据,分析了各镜像源在不同网络环境下的性能差异,并提供了优化配置方案,帮助开发者提升conda create效率。

weixin_31822733的博客 273

error while loading shared libraries: libiconv.so.2: cannot open shared object file

问题分析: 应用运行时找不到需要的动态链接库libiconv.so.2。一般是文件不存在或者存在但是找不到两种情况。 解决方案: 这时首先确认自己的系统中是否存在这个动态链接库。 sudo find / -name libiconv.so.2 如果找不到文件路径,请安装libiconv sudo yum install libiconv 或者使用源码安装,可以参考文章: https

孙雪峰 1万+

清华镜像源加速pip与conda,PyTorch和CUDA安装避坑全指南

在搭建深度学习环境时,软件包下载速度慢、安装失败是高频痛点。镜像源是最直接的解决方案,它通过在国内服务器同步官方仓库内容,大幅缩短网络传输距离,让pip和conda的下载速度从几十KB提升到几十MB。理解镜像源的原理与技术价值,能帮助开发者快速定位问题:pip换源只需修改配置文件,conda换源则需注意channel优先级和缓存清理。而PyTorch安装与CUDA版本匹配更是常见陷阱,掌握pip与conda的安装取舍、驱动与Toolkit的区别,配合清华源这一加速工具,即可高效完成环境搭建。本文从概念到实操

weixin_33895695的博客 305

Conda/Pip 镜像源 3 方案对比:阿里源 vs 清华源 vs 官方源实测

本文深度评测了Conda/Pip三大镜像源(阿里源、清华源、官方源)的性能表现,通过实测数据对比下载速度、成功率和稳定性。结果显示阿里源在虚拟环境创建和常见包安装中表现最优,特别适合国内网络环境。文章还提供了配置指南和场景化决策建议,帮助开发者提升Python包管理效率。

weixin_42523326的博客 333

ubuntu 使用pip在系统本地安装pytorch

常规步骤: step1 pip install torch==1.3.1 -f https://download.pytorch.org/whl/torch_stable.html step2 pip install torch==1.3.1 step3 pip install torchvision==0.4.1 使用镜像源快速下载: 前提是先添加阿里和清华等镜像源,参考之前的文章:使用清华、阿里等镜像源提高安装成功率 step1 pip install torch==1.3.1 step2 pi

Robin_Pi的博客 1356

PyTorch国内极速下载:从镜像源到代理的实战指南

本文详细介绍了PyTorch在国内极速下载的多种方法,包括使用清华、阿里云等国内镜像源配置pip和conda,以及代理服务器和手动下载whl文件的技巧。通过这些实战指南,开发者可以显著提升PyTorch的下载速度,解决因网络限制导致的安装难题。

weixin_27310985的博客 451

安装 pytorch 出现cudatoolkit和pytorch 下载不了

问题: 使用conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch 安装 pytorch 出现cudatoolkit和pytorch 下载进度终止 出现报错: CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://conda.anaconda.org/pytorch/linux-64/torchvision-0.4.0-py37_cu10

Robin_Pi的博客 6303

PyTorch安装提速指南:国内镜像、Conda与离线安装全解析

在深度学习开发中,依赖包的高效安装是项目顺利进行的基础。其核心原理在于包管理器(如pip、conda)从远程仓库下载并解析软件包及其依赖关系。针对网络延迟或跨国带宽限制导致的下载缓慢问题,配置国内镜像源通过将请求重定向至本地缓存服务器,能显著提升下载速度与稳定性,这是优化开发体验的关键技术。对于PyTorch这类包含复杂二进制依赖(如CUDA)的大型框架,使用Conda进行安装能自动处理系统级依赖与环境隔离,极大简化部署流程。而在无外网或网络条件极差的场景下,离线下载whl文件并本地安装则提供了最彻底的解决

weixin_34161029的博客 433

agent-browser OpenClaw 的最佳搭档

agent-browser 是专为 AI Agent 设计的浏览器自动化工具,目前被公认为 OpenClaw 的最佳配套方案。这份技术文档完整记录了其架构、协议、性能调优与常见问题处理,非常适合想让OpenClaw 真正“上手”互联网的开发者与老用户。

liu_zhiyi的博客 1781

清华镜像源加速下载:PyTorch-CUDA-v2.9安装更快捷

利用清华大学开源镜像源,可将PyTorch-CUDA环境的安装时间从半小时缩短至3分钟内。本文详解CUDA与PyTorch的版本匹配、GPU驱动配置,并提供基于清华TUNA镜像的高效安装方案,涵盖pip命令、Docker配置和依赖管理最佳实践,帮助开发者快速搭建稳定深度学习环境。

weixin_33608403的博客 1181

手把手教你用Gazebo+ROS搭建智能小车机械臂系统(含完整配置文件)

本文提供了一份详细的实践指南,手把手教你使用Gazebo和ROS搭建智能小车机械臂仿真系统。内容涵盖从URDF/Xacro模型设计、Gazebo控制器配置到ROS话题通信与系统集成的完整流程,并提供了可复用的配置文件与调试技巧,帮助开发者快速构建并控制一个功能完备的移动操作机器人平台。

sugar的博客 971

清华镜像源助力Python依赖安装:提升HeyGem环境配置速度

在国内部署AI项目时常因PyPI源慢导致依赖安装卡顿,清华镜像源通过本地化高速同步显著提升下载速度与稳定性。实测安装torch等大型包从半小时缩短至几分钟,配合全局配置、Docker集成和CI/CD优化,可实现高效、可复现的环境部署,极大提升研发效能。

weixin_30600615的博客 1110

WSL2+Docker+Ollama:解锁Windows本地GPU加速运行DeepSeek-R1模型

本文详细介绍了在Windows系统上,通过WSL2、Docker和Ollama的组合方案,实现本地GPU加速运行DeepSeek-R1模型的全过程。该方案解决了Windows环境下Ollama默认无法调用NVIDIA显卡的痛点,通过配置Docker的GPU支持,强制将计算任务分配给GPU,从而显著提升文本生成速度与效率,为开发者提供了一个便捷的本地AI测试环境。

weixin_28452161的博客 357

ArcMap新手必看:Shape属性中的点ZM值到底是什么?如何快速处理

本文深入解析ArcMap中Shape属性中的点ZM值,揭示其在GIS数据中的隐藏维度作用,包括Z值(高程值)和M值(测量值)。针对ZM值可能引发的服务发布问题,提供三种高效处理方案,帮助新手快速掌握数据导入时的ZM值管控策略及精准去除方法。

weixin_42561476的博客 431

PyTorch安装太慢?3种国内镜像源配置方法对比(附详细命令)

本文针对PyTorch安装过程中常见的Timeout问题,详细对比了清华TUNA、阿里云和中科大USTC三大国内镜像源的配置方法,提供具体命令和优化策略,帮助开发者显著提升安装速度。通过实测数据展示,使用国内镜像源可将安装耗时从30分钟缩短至5分钟以内。

postgres8guard的博客 543

OCR开发车架号识别vin码识别系统

一、vin码识别车架号识别系统简介   vin码识别车架号识别系统,结合VIN码主机厂数据库及自身多年文字识别经验,针对机动车配置参数等信息的查询及采集业务推出的一款VIN码自动识别产品。   车架号识别vin码识别,主要应用在智能手机IOS与Android两个平台中。前端扫描查询模式,无需联网,只需扫描汽车前挡风玻璃右下角的VIN玛(车架号),即可轻松识别出车辆产地、品牌、车

OCR13512721355的博客 1433

清华镜像源替换命令大全:适用于各种Linux发行版

国内开发者常因境外源下载慢而困扰,清华开源镜像站提供高速稳定的替代方案,覆盖APT、YUM、pip等多种包管理器。通过替换源和使用预构建PyTorch-CUDA容器,可将环境部署从小时级缩短至分钟级,显著提升开发效率与团队协作一致性。

weixin_34640289的博客 901

GPU运维面试题

【代码】GPU运维面试题。

u011220233的博客 698

在 ABAP 环境中创建 Job Catalog Entry 和 Job Template 的完整实践指南

摘要:本文介绍了SAP BTP ABAP环境中Application Job的云原生解决方案,对比传统后台作业模式。重点阐述了Job Catalog Entry和Job Template两大核心概念,通过库存重估业务场景演示如何实现可调度类、创建Job Catalog Entry及Job Template。文章详细说明了从ABAP类到Job Catalog Entry再到Job Template的完整链路,并分享实际项目中的设计经验和注意事项,帮助开发者将传统后台作业迁移到Application Job框架

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 232

pip 镜像源 2024 性能实测:清华/阿里/华为等 5 大源下载速度与稳定性对比

本文对2024年国内五大主流pip镜像源(清华、阿里、华为、腾讯、中科大)进行了全面评测,包括下载速度、冷门包支持度和稳定性。测试结果显示,清华大学镜像源在速度和稳定性方面表现最佳,阿里云紧随其后。文章还提供了配置建议和疑难问题排查方法,帮助Python开发者优化pip使用体验。

weixin_34050005的博客 422

Linkage Mapper 输出文件夹结构解析——LCPs(栅格廊道)、LinkagePaths(矢量廊道)、Nodes(节点)

Linkage Mapper输出文件解析摘要 Linkage Mapper是生态连通性分析的重要工具,通过最小累积阻力模型(MCR)识别物种迁移廊道。其输出包含三类核心文件: LCPs(栅格廊道):存储累积阻力值的栅格数据,直观展示低阻力路径,适用于空间分析和廊道质量评估。 LinkagePaths(矢量廊道):以矢量线状要素精确记录廊道位置和走向,便于地图可视化及连通性分析。 Nodes(节点):标记廊道关键点(起点/终点/交汇点),为保护策略制定提供依据。 典型应用场景包括: 山地物种(如大熊猫)栖息地

走向CTO的路上... 1332

PyTorch安装失败?试试国内镜像源一键安装脚本

针对国内用户安装PyTorch常遇的网络卡顿、CUDA版本不兼容等问题,推出预构建的PyTorch-CUDA容器镜像,集成常用AI库与GPU支持,通过Docker实现开箱即用,大幅降低环境配置门槛,提升开发效率。

weixin_42599908的博客 1006

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

纯小白:无废话,成功在ubuntu 服务器上远程安装 pytorch(血和泪后的最新踩坑经验)

ubuntu 服务器安装 pytorch1. 下载、安装Anaconda2. 创建指定 Python 版本(3.7)的虚拟环境3. 添加/替换清华镜像源4. 安装正确版本的 Pytorch5. 验证安装结果 先上这两天被虐无数次的成果: 以及进入Python环境后的检验结果: 历经 N 次错误尝试后,最后最主要的正确参考: win10系统在Anaconda下安装Pytorch的GPU版本+cuda10.2+python3.6+Pycharm(最新,详细,亲测可用),给我提供了思路,进

Robin_Pi的博客 1197

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

清华镜像源加速PyTorch-CUDA-v2.7下载,十分钟搞定环境

利用清华大学镜像源和预装的PyTorch-CUDA容器镜像,可快速解决国内下载慢、版本不兼容等问题。通过Docker一键拉起含GPU支持的开发环境,实测5分钟内完成部署,显著提升AI开发效率,适用于科研、教学与团队协作。

weixin_35752122的博客 839

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

上一篇: ssh: connect to host 192.168.XXXXX port 22: Operation timed out
下一篇: 安装 pytorch 出现cudatoolkit和pytorch 下载不了
Robin_Pi
博客等级 码龄9年 2万+粉丝 632原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值