【保姆级教程】手把手教你安装PyTorch（附避坑指南）

保姆级PyTorch安装教程及避坑指南

最新推荐文章于 2025-10-25 17:02:03 发布

原创最新推荐文章于 2025-10-25 17:02:03 发布 · 609 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #人工智能 #python #其他

最近在带学生做深度学习项目时，发现80%的新手都卡在环境安装这第一步！（是不是你也有过类似经历？）今天我们就来彻底解决这个世纪难题，用最直白的方式讲清楚PyTorch安装的正确姿势！

🔥 安装前必看（超级重要）

很多人一上来就pip install torch，结果要么版本不对，要么CUDA不兼容。正确姿势应该是：

先查版本对应表
打开PyTorch官网的版本对照表，找到你的：
- Python版本（用python --version查）
- CUDA版本（用nvidia-smi查）
- 操作系统类型（Windows/Linux/Mac）
（举个栗子🌰：Python3.8 + CUDA11.3 → PyTorch1.12.0）
选择安装渠道

渠道优点缺点
Conda 自动解决依赖关系安装包较大
Pip 速度快可能遇到依赖冲突
源码可自定义编译选项编译耗时且容易出错
（个人推荐新手用Conda，老手用Pip）

渠道	优点	缺点
Conda	自动解决依赖关系	安装包较大
Pip	速度快	可能遇到依赖冲突
源码	可自定义编译选项	编译耗时且容易出错

🚀 万能安装公式

直接套用这个模板（记得替换版本号）：

# CUDA版本安装
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 cudatoolkit=11.6 -c pytorch

# CPU版本安装
pip install torch==1.13.1+cpu torchvision==0.14.1+cpu -f https://download.pytorch.org/whl/torch_stable.html

💡 避坑指南（血泪经验）

坑1：CUDA版本迷思

查看CUDA版本的正确方法：

nvcc --version  # 查看编译时版本
nvidia-smi      # 查看运行时版本

（这两个可能不同！以nvcc为准）

如果遇到CUDA out of memory不一定真是显存不够，可能是版本不匹配！

坑2：镜像源陷阱

国内用户一定要换源！但注意：

清华源可能更新不及时
阿里源偶尔抽风
官方源最可靠但速度慢

推荐组合拳：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

坑3：虚拟环境的重要性

见过太多人全局安装导致环境炸裂！必须用虚拟环境：

conda create -n pytorch_env python=3.8
conda activate pytorch_env

✅ 验证安装成功的正确姿势

不要用import torch就完事了！运行这个测试脚本：

import torch

print("PyTorch版本:", torch.__version__)
print("CUDA是否可用:", torch.cuda.is_available())
print("当前设备:", torch.cuda.current_device())
print("设备名称:", torch.cuda.get_device_name(0))
print("随机张量测试:", torch.rand(5,5).cuda())

看到类似这样的输出才算真正成功：

PyTorch版本: 1.13.1
CUDA是否可用: True
当前设备: 0
设备名称: NVIDIA GeForce RTX 3090
随机张量测试: tensor([[0.1234, ..., 0.5678],
                   ...
                   [0.9012, ..., 0.3456]], device='cuda:0')

💻 常见报错解决方案

错误1：`No module named 'torch'`

检查是否在正确的虚拟环境
检查pip/conda是否对应python版本（用which pip查看）

错误2：`CUDA driver version is insufficient`

升级NVIDIA驱动
或者安装更低版本的PyTorch

错误3：`undefined symbol: cudaRuntimeGetVersion`

彻底卸载重装

pip uninstall torch torchvision
rm -rf ~/.cache/pip

🎯 终极建议

优先确定CUDA版本
如果显卡支持，尽量安装CUDA版（即使现在用不到）
记录安装成功的版本组合
建议用requirements.txt保存：
```
pip freeze > requirements.txt
```

善用Docker
复杂环境建议直接使用官方镜像：

docker pull pytorch/pytorch:1.13.1-cuda11.6-cudnn8-runtime

最后提醒各位萌新：环境配置是深度学习的必修课，遇到报错不要慌，仔细看错误信息+善用Google，你遇到的坑前人都踩过！（别问我怎么知道的😭）