一站式无痛安装Pytorch！省心更省力！

---

前言

创建好环境后安装Pytorch总是失败？下载速度几百k而失去耐心？来学习无痛安装方法。

---

一、创建虚拟环境

1.创建

在菜单栏中打开Anaconda Prompt，在base环境中输入以下代码

conda create –n 虚拟环境名字(任意取，我推荐把python版本号带上) python=版本
conda create -n mypytorch3.13 python=3.13 

这里我创建python为3.13版本，名称为mypytorch3.13的环境，输入后按下回车会提示安装依赖，按Y即可。

2.激活

使用conda activate xx（环境名称）激活环境

conda activate mypytorch3.13

激活成功后会看到左侧括号里的base变为你的环境名（mypyotrch3.13）
同理，使用

conda deactivate 退出环境

亦或者你想在base环境下查看你有多少个虚拟环境，使用如下代码即可

输入“conda env list”命令就可以查看当前有多少虚拟环境。

二、安装Pytorch（重头戏）

1.查看自己的GPU版本号

win+r输入cmd，然后输入nvidia-smi，出现这个页面，然后去Pyotrch官网https://pytorch.org/，选择低于自己CUDA Version版本的CUDA即可，例如我这里是12.8，选择小于12.8次新的肯定没错

按系统、语言选好之后复制给出的PIP命令

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

2.得到pip指令，回到虚拟环境

回到你的虚拟环境中，切记切换到你需要安装pytorch的环境中，例如，我的为（mypytorch3.13）,除非你想安在（base）中。

然后粘贴你刚才复制的PIP命令，前面小依赖下载的还是很快的，后面你会卡在2.3gb的地方。此时，不要惊慌，找到这个网址，并且复制（示例： https://download.pytorch.org/whl/cu124/torch-2.6.0%2Bcu124-cp313-cp313-win_amd64.whl）：

然后打开你的下载工具，这里我以IDM作为示例，把这个链接扔给IDM，静静等待下载

下载完成后你会得到一个这样的文件

把这个文件剪切到你Anaconda的目录下的pkgs里面，

默认路径：
Windows：C:\Users\<用户名>\Anaconda3\pkgs
macOS/Linux：/home/<用户名>/anaconda3/pkgs

---

非默认即找到你的安装路径即可，我的为e盘，上面能看到，记得放到pkgs路径下面

---

然后回到你的虚拟环境中，非base环境哦。在 Anaconda Prompt 中执行，输入如下指令

conda activate your_env_name  # 替换为你的环境名
# 使用pip install命令并指定文件的完整路径
pip install E:\PostGraduateSoftware\Anaconda\pkgs\torch-2.6.0+cu124-cp313-cp313-win_amd64.whl
# 注意这里需将之前的的路径设为你放包的路径，例如
你的路径\torch-2.6.0+cu124-cp313-cp313-win_amd64.whl

然后执行即可，执行完毕后再次执行你从pytorch官网复制下来的指令

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

然后你就会发现2，3min就搞定了

三、检验安装成果

1.进入虚拟环境

conda activate mypytorch3.13

然后在你的虚拟环境执行

conda list

查看有无
出现即为成功。
接着，在当前虚拟环境下输入python，进入python环境：
测试numpy: import numpy
检测不到的话不用担心，exit（）退出python环境后，使用pip install numpy即可。
测试pytorch: import torch
然后输入

torch.cuda.is_available()
# 输出结果是True，证明CUDA可用，检测到了你的显卡。
torch.cuda.device_count()
# 输出你显卡的数量

出现上图中的答案即为配置成功！！

四、其余可能用到的指令

1.删除虚拟环境

注意删除环境必须回到base环境下操作，执行以下代码

conda remove -n 虚拟环境名 --all

删除完后可以到Anaconda的envs目录下检查一下该环境是否还在，还在直接删除即可，一般是不在了。

2.pytorch常用指令

输入“conda env list”命令就可以查看当前有多少虚拟环境。
conda activate xx激活环境
conda create –n 虚拟环境名字 python=版本----创建环境
输入conda list或者pip list列出有哪些工具包
python --version查看环境的Python版本
torch.cuda.is_available()检查我们电脑是否可以用GPU