超详细！PyTorch 安装教程（Windows/macOS/Linux 全适配）

PyTorch 作为当下最热门的深度学习框架之一，凭借其灵活的动态计算图、简洁的 API 设计和强大的生态支持，成为科研和工业界的首选工具。但对于新手来说，安装 PyTorch 时常会遇到 “版本不兼容”“CUDA 配置错误”“安装速度慢” 等问题。本文将针对 Windows、macOS、Linux 三大系统，详细讲解 PyTorch 的安装步骤、环境配置及常见问题解决，确保你一次安装成功。

一、安装前的准备：搞懂这几个核心概念

在开始安装前，先明确几个关键问题，避免因环境不匹配导致安装失败：

1. 什么是 CPU 版本和 GPU 版本？

• CPU 版本：仅依赖计算机的中央处理器（CPU）进行计算，适合入门学习、小规模模型训练或没有独立显卡的设备（如轻薄本）。安装简单，无需额外配置。
• GPU 版本：依赖 NVIDIA 独立显卡（需支持 CUDA）进行计算，训练大型模型时速度比 CPU 快 10-100 倍。但需要提前安装 NVIDIA 驱动和 CUDA 工具包，配置稍复杂。

2. 如何判断自己的电脑是否支持 GPU 加速？

只有 NVIDIA 显卡支持 PyTorch 的 GPU 加速（AMD 显卡目前支持有限）。检查方法：

• Windows：右键 “此电脑”→“管理”→“设备管理器”→“显示适配器”，查看是否有 “NVIDIA” 开头的显卡（如 NVIDIA GeForce RTX 3060）。
• macOS：因苹果近年转向自研芯片（M1/M2/M3），且 NVIDIA 显卡支持有限，通常建议安装 CPU 版本（或通过 MPS 加速，后文会讲）。
• Linux：终端输入lspci | grep -i nvidia，若有输出则说明有 NVIDIA 显卡。

3. 选择 pip 还是 conda？

• pip：Python 官方包管理工具，适用于已安装 Python 的环境，操作简单，适合纯 Python 开发。
• conda：开源包管理系统，可管理 Python 环境和非 Python 依赖（如 CUDA、C++ 库），推荐新手使用，尤其需要配置 GPU 环境时，conda 能自动处理依赖兼容性。

建议：如果是新手，或需要安装 GPU 版本，优先用 conda（推荐 Anaconda 或 Miniconda）；若已熟悉 Python 环境管理，可用 pip。

二、Windows 系统安装教程

方法 1：用 conda 安装（推荐新手）

1. 安装 Miniconda（轻量化 conda 环境）

   • 下载地址：Miniconda 官网，选择对应系统的 Python 3.9 + 版本（如 Windows 64-bit 的Miniconda3-latest-Windows-x86_64.exe）。
   • 安装时勾选 “Add Miniconda3 to my PATH environment variable”（方便终端调用），其他默认下一步。

2. 打开 Anaconda Prompt（conda 终端）

   • 按下Win+R，输入cmd打开命令提示符，或在开始菜单找到 “Anaconda Prompt (Miniconda3)”。

3. 创建并激活虚拟环境（可选但推荐）

   • 虚拟环境可避免不同项目的包冲突，命令如下：
   • 激活后，终端前缀会显示(pytorch)，表示当前在该环境中操作。

     获取安装命令

   • 打开PyTorch 官网，点击 “Install” 进入安装页面。
   • 配置选项：
     • PyTorch Build：选择 “Stable (2.0.0+)”（稳定版）。
     • Your OS：选择 “Windows”。
     • Package：选择 “Conda”。
     • Language：选择 “Python”。
     • Compute Platform：
       • 若有 NVIDIA 显卡且支持 CUDA：选择 “CUDA 11.8” 或 “CUDA 12.1”（根据显卡型号选择，新显卡优先选高版本）。
       • 若无 NVIDIA 显卡：选择 “CPU”。
   • 复制生成的命令，例如 CPU 版本： 
   • GPU 版本（CUDA 11.8）：

     方法 2：用 pip 安装

   • 1. 执行安装命令

        • 在终端粘贴命令，回车后输入y确认安装。若速度慢，可添加国内镜像源（见后文 “加速技巧”）。

     2. 确保已安装 Python

        • 从Python 官网下载 Python 3.8 + 版本，安装时勾选 “Add Python to PATH”。
        • 终端输入python --version和pip --version，确认安装成功。

     3. 获取 pip 安装命令

     4. 同样在 PyTorch 官网，Package 选择 “Pip”，其他选项同上。例如 CPU 版本命令：GPU 版本（CUDA 11.8）命令：

     5. 执行命令安装

        • 终端输入命令，等待安装完成（建议用管理员权限打开终端，避免权限问题）。
        • 三、macOS 系统安装教程

          macOS 的安装流程与 Windows 类似，但需注意芯片差异（Intel 芯片 vs 苹果 M 系列芯片）。

          1. Intel 芯片 Mac

        • 推荐用 conda 安装，步骤与 Windows 类似：
          • 安装Miniconda for macOS（选择 bash 脚本，如Miniconda3-latest-MacOSX-x86_64.sh）。
          • 终端运行安装脚本：bash Miniconda3-latest-MacOSX-x86_64.sh，按提示完成安装，重启终端。
          • 创建并激活虚拟环境：conda create -n pytorch python=3.10 → conda activate pytorch。
          • 官网选择 “macOS”→“Conda”→“CPU”（因 Intel Mac 的 NVIDIA 显卡支持有限，通常用 CPU 版本），复制命令安装：

            1. 2. M 系列芯片 Mac（M1/M2/M3）

            2. M 系列芯片可通过 Metal Performance Shaders（MPS）实现 GPU 加速，性能优于 CPU。

            3. 从Miniconda 官网下载Miniconda3-latest-MacOSX-arm64.sh。终端安装：bash Miniconda3-latest-MacOSX-arm64.sh，重启终端。创建环境并激活：conda create -n pytorch python=3.10 → conda activate pytorch。官网选择 “macOS”→“Pip”（M 系列用 pip 更稳定）→“CPU”，复制命令：

            4. 五、验证安装是否成功

               安装完成后，需验证 PyTorch 是否正常工作，尤其是 GPU 版本是否能调用显卡。

            5. 打开 Python 终端

               • 在命令行输入python或python3，进入 Python 交互环境。

            6. 执行验证代码# 导入PyTorch import torch

            7. # 查看版本 print(torch.__version__)

            8. # 检查CPU是否可用（返回True） print(torch.cuda.is_available())

            9. # GPU版本应返回True，CPU版本返回False

            10. # 查看GPU设备（GPU版本会显示设备信息） if torch.cuda.is_available(): print(torch.cuda.get_device_name(0))

            11. # M系列Mac检查MPS是否可用 if torch.backends.mps.is_available(): print("MPS acceleration is available")

            12. 验证结果

                • 若未报错，且版本号正确（如2.1.0），说明安装成功。
                • 若 GPU 版本中torch.cuda.is_available()返回 False，需检查 CUDA 配置（见后文问题解决）。

                  七、常见问题及解决方法

                • “No module named 'torch'”

                  • 原因：未激活安装 PyTorch 的虚拟环境，或安装失败。
                  • 解决：用conda activate pytorch激活环境，重新安装。

                • GPU 版本中torch.cuda.is_available()返回 False

                  • 检查 NVIDIA 驱动是否安装：nvidia-smi是否有输出。
                  • 检查 CUDA 版本与 PyTorch 是否匹配（如 PyTorch 指定 CUDA 11.8，系统需安装 CUDA 11.8）。
                  • 重新安装对应版本的 CUDA 和 PyTorch。

                • macOS M 系列芯片无法使用 MPS 加速

                  • 确保 PyTorch 版本≥1.12.0（支持 MPS）。
                  • 验证代码：print(torch.backends.mps.is_available())，返回 True 则正常。

                • 安装时提示 “Solving environment: failed”

                  • 原因：conda 环境依赖冲突。
                  • 解决：创建新的虚拟环境，或用conda clean --all清理缓存后重试。