PyTorch安装完全指南：版本匹配+避坑大全（2024最新版）

🔥 前情提要（必看！）

最近帮学弟配置深度学习环境时，发现90%的新手都栽在PyTorch版本匹配问题上！明明照着官网教程安装，结果要么报错CUDA不可用，要么出现torch与torchvision版本冲突。今天我们就来手把手解决这个世纪难题！（文末附全网最全版本对照表）

---

一、版本匹配的三大核心（划重点！）

1. 黄金三角关系

PyTorch的版本兼容性就像相亲：

• PyTorch版本 👉 torchvision版本 👉 Python版本 👉 CUDA版本
• 任意一环不匹配都会导致系统崩溃（别问我怎么知道的😭）

2. 官方对照表解密

打开PyTorch官网时，新手最容易犯的3个错误：

• 直接复制首页的安装命令（大坑！）
• 忽略小版本号（比如1.12.0和1.12.1）
• 不看CUDA版本（默认装CPU版）

3. 自检神器（必收藏！）

# 查看已安装版本
python -c "import torch; print(torch.__version__)"
python -c "import torchvision; print(torchvision.__version__)"

# 查看CUDA可用性
print(torch.cuda.is_available())  # 返回True才算成功

---

二、实战安装流程（手把手版）

Step 1. 确认CUDA版本

nvidia-smi  # 显示的是驱动支持的最高CUDA版本
nvcc --version  # 实际安装的CUDA版本

❗ 重点提醒：这两个命令显示的版本可能不同！以nvcc为准（血的教训）

Step 2. 对照版本表

以2023年常见组合为例：

PyTorch	torchvision	Python	CUDA
2.1.0	0.16.0	≥3.8	11.8
2.0.1	0.15.1	≥3.8	11.7
1.13.1	0.14.1	≥3.7	11.6

Step 3. 选择安装方式

方案A：有NVIDIA显卡

# CUDA 11.8示例
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 cudatoolkit=11.8 -c pytorch

方案B：无显卡/Mac用户

pip install torch==2.1.0+cpu torchvision==0.16.0+cpu -f https://download.pytorch.org/whl/torch_stable.html

方案C：旧版本安装

# 指定版本安装
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113

---

三、常见翻车现场（附解决方案）

案例1：CUDA不可用

# 错误现象
RuntimeError: CUDA error: no kernel image is available for execution

✅ 解决步骤：

1. 检查驱动版本：nvidia-smi
2. 重装对应CUDA版本的PyTorch
3. 更新NVIDIA驱动

案例2：版本冲突

# 报错提示
ERROR: Could not find a version that satisfies the requirement torch==1.8.0

✅ 解决步骤：

1. 使用pip list | grep torch卸载所有torch相关包
2. 使用conda clean清理缓存
3. 严格按照版本对照表安装

---

四、终极版本对照表（2024最新）

这里整理了一份超全对照表（建议截图保存）：

PyTorch	发布日期	支持CUDA	Python	Linux	Windows
2.1.0	2023-10-05	11.8	3.8-3.11	✔	✔
2.0.1	2023-05-18	11.7-11.8	3.8-3.10	✔	✔
1.13.1	2023-02-10	11.6-11.7	3.7-3.9	✔	✔

---

五、专家建议（少走3年弯路）

1. conda优先原则：能用conda就别用pip（依赖管理更智能）
2. 虚拟环境大法：每个项目单独创建环境（防止版本污染）
3. 版本锁定技巧：

   pip install torch==1.12.0+cu113 --no-cache-dir  # 禁止使用缓存
   

4. 镜像加速秘籍：

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

---

六、疑难解答Q&A

Q：安装时卡在solving environment怎么办？

A：尝试：

1. 删除当前环境.condarc文件
2. 使用mamba替代conda
3. 指定具体版本号

Q：如何同时安装多个CUDA版本？

A：使用conda create -n cuda11.8 python=3.9创建独立环境，不同环境安装不同CUDA版本

---

最后叮嘱（超级重要！）

安装完成后务必运行：

import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0))  # 显示显卡型号

如果全部正常显示，恭喜你！已经打败了90%的新手玩家！🎉

（注：本文版本信息更新至2024年1月，建议安装前再次核对官网最新信息）