深度学习 | pytorch + torchvision + python 版本对应及环境安装

已于 2024-12-02 11:31:31 修改
阅读量2.1w 收藏 176
点赞数 88
分类专栏： 深度学习 学习笔记 文章标签： pytorch torchvision python 深度学习 人工智能
于 2024-12-01 17:06:25 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ttrr27/article/details/144162171
版权

Hi，大家好，我是半亩花海。要让一个基于 torch 框架开发的深度学习模型正确运行起来，配置环境是个重要的问题，本文介绍了 pytorch、torchvision、torchaudio 及 python 的对应版本以及环境安装的相关流程。

目录

一、版本对应

二、安装命令（pip）

1. 版本

（1）v2.5.1 ~ v2.0.0

（2）v1.13.1 ~ v1.11.0

（3）v1.10.1 ~ v1.7.0

2. 安装全过程

（1）选择版本

（2）安装结果

参考文章

一、版本对应

下表来自 pytorch 的 github 官方文档：pytorch/vision: Datasets, Transforms and Models specific to Computer Vision

其中，命令中 "-c pytorch" 表示官方源，自己换源可以去掉。

torch 版本torchvision 版本torchaudio 版本支持的 Python 版本（示例）Cuda 版本
2.5.10.20.12.5.1>=3.9, <3.13（3.12）[9/10/11/12]12.4/12.1/11.8
2.5.00.20.02.5.0>=3.9, <3.13（3.12）12.4/12.1/11.8
2.4.10.19.12.4.1>=3.8, <3.13（3.12）[8/9/10/11/12]12.4/12.1/11.8
2.4.00.19.02.4.0>=3.8, <3.13（3.12）12.4/12.1/11.8
2.3.10.18.12.3.1>=3.8, <3.13（3.12）8/9/10/11/1212.1/11.8
2.3.00.18.02.3.0>=3.8, <3.13（3.12）12.1/11.8
2.2.20.17.22.2.2>=3.8, <3.12 [8/9/10/11]12.1/11.8
2.2.10.17.12.2.1>=3.8, <3.1212.1/11.8
2.2.00.17.02.2.0>=3.8, <3.1212.1/11.8
2.1.20.16.22.1.2>=3.8, <3.12（3.10）8/9/10/1112.1/11.8
2.1.10.16.12.1.1>=3.8, <3.12（3.10）12.1/11.8
2.1.00.16.02.1.0>=3.8, <3.12（3.10）12.1/11.8
2.0.00.15.02.0.0>=3.8, <3.12（3.8）[8/9/10/11]11.8/11.7
1.13.10.14.10.13.1>=3.7.2, <=3.10（3.8）[7/8/9/10]11.7/11.6
1.13.00.14.00.13.0>=3.7.2, <=3.10（3.8）11.7/11.6
1.12.10.13.11.12.1>=3.7, <=3.10（3.8）[7/8/9/10]11.6/11.3/10.2
1.12.00.13.01.12.0>=3.7, <=3.10（3.8）11.6/11.3/10.2
1.11.00.12.01.11.0>=3.7, <=3.10（3.8）11.3/10.2
1.10.10.11.20.10.1>=3.6, <=3.9（3.8）[6/7/8/9]11.3/10.2
1.10.00.11.00.10.0>=3.6, <=3.9（3.8）11.3/10.2
1.9.10.10.10.9.1>=3.6, <=3.9（3.8）[6/7/8/9]11.1/10.2
1.9.00.10.00.9.0>=3.6, <=3.9（3.8）11.1/10.2
1.8.10.9.10.8.1>=3.6, <=3.9（3.8）[6/7/8/9]11.1/10.2
1.8.00.9.00.8.0>=3.6, <=3.9（3.8）11.1/10.2
1.7.10.8.20.7.2>=3.6（3.6）11.0/10.2/10.1
1.7.00.8.00.7.0>=3.6（3.6）11.0/10.2/10.1

二、安装命令（pip）

1. 版本

（1）v2.5.1 ~ v2.0.0

# v2.5.1
# CUDA 12.4
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124 -i https://pypi.tuna.tsinghua.edu.cn/simple/
# CPU only
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/

（2）v1.13.1 ~ v1.11.0

# v1.13.1
# CUDA 11.7
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117 -i https://pypi.tuna.tsinghua.edu.cn/simple/
# CPU only
pip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/

（3）v1.10.1 ~ v1.7.0

# v1.10.1
# CUDA 10.2
pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/
# CPU only
pip install torch==1.10.1+cpu torchvision==0.11.2+cpu torchaudio==0.10.1 -f https://download.pytorch.org/whl/cpu/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/

2. 安装全过程

（1）选择版本

torch 版本torchvision 版本torchaudio 版本支持的 Python 版本（示例）Cuda 版本
2.1.00.16.02.1.0>=3.8, <3.12（3.10）12.1/11.8

这里选择的框架和环境如下：torch2.1.0 | torchvision0.16.0 | torchaudio2.1.0 | python3.10 | Cuda12.1，若需要将创建的虚拟环境添加到 Jupyter Lab / Jupyter Notebook 中使用，则需要第 3-6 步，否则不用。

打开 WIN + R，输入 “cmd”，进入命令行窗口，其他步骤如下：

# 1. Anaconda 创建虚拟环境
conda create -n torch python=3.10
# 2. 激活并进入虚拟环境
activate torch
# 3. 安装 ipykernel 
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 4. 安装ipykernel，将虚拟环境加入 jupyter 内核中
python -m ipykernel install --name torch --display-name torch
# 5. 检查新虚拟环境是否成功加入内核
jupyter kernelspec list
# 6. 从指定文件夹里进入 jupyter
jupyter lab
# 7. 安装 torch 等软件包
pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/

注意：此时，因为 Numpy 2.x 等其他的相关库 与 Pytorch 2.1.0 的不兼容（以 Numpy 库为例），所以需要将 numpy 库的版本降级至1.x.x（如 1.24.x 或 1.23.x 版本）才能与 Pytorch 2.1.0 是兼容，从而适配以上版本。具体示例步骤如下：

  • pip uninstall numpy
  • pip install numpy==1.24.3

注意：若在安装途中不小心关闭了命令窗或者发现没有关闭梯子，可先将 Anaconda 的环境中删除未完全安装好的虚拟环境（如在  E:\Anaconda\envs\torch 此目录下），即可重新进行上述安装步骤。

（2）安装结果

3. 命令相关解释

（1）-i / --index-url

第一条命令：pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/

  • --index-url https://download.pytorch.org/whl/cpu：这个参数指定了主要的包索引源 URL，即使用 https://download.pytorch.org/whl/cpu 作为 PyTorch 相关库的包来源。这是 PyTorch 官方的 CPU 版本的二进制文件源。
  • -i https://pypi.tuna.tsinghua.edu.cn/simple/：这个参数指定了镜像源，指向清华大学的 PyPI 镜像源，以加速从 PyPI 安装包的速度。
  • 当同时使用 --index-url 和 -i 时，--index-url 会设置 主索引源（比如官方 PyTorch 或其他自定义源），而 -i 用来指定 一个额外的索引源 / 备用源（如清华镜像）。此时，pip 会先从 --index-url 指定的源查找包，如果找不到，才会去 -i 指定的额外源查找。

（2）--extra-index-url

第二条命令：pip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/

  • --extra-index-url https://download.pytorch.org/whl/cpu：这个参数指定了额外的索引源 URL。与 --index-url 不同，--extra-index-url 只是添加额外的索引源，而不是替换原有源。此处指定的是 PyTorch 官方 CPU 版本的源。
  • -i https://pypi.tuna.tsinghua.edu.cn/simple/：同样指定了 PyPI 镜像源，指向清华大学的 PyPI 镜像源。

（3）-f / --find-links

第三条命令：pip install torch==1.10.1+cpu torchvision==0.11.2+cpu torchaudio==0.10.1 -f https://download.pytorch.org/whl/cpu/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/

  • -f https://download.pytorch.org/whl/cpu/torch_stable.html：这个参数用于指定一个包的 URL 文件列表（一个 .html 或 .xml 文件），其中列出了稳定版本的 PyTorch 安装包。
  • -i https://pypi.tuna.tsinghua.edu.cn/simple/：同样指定了 PyPI 镜像源，指向清华大学的 PyPI 镜像源。

参考文章

[1] pytorch，torchvision与python版本对应关系及安装命令_pytorch python版本-优快云博客

[2] Python安装torch（含torch和torchvision对应版本）-优快云博客

【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 1万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
pytorch安装教程含pytorch+torcvision+python+cuda+cudnn版本对照
01-22
pytorch安装教程gpu,前提条件，pytorch 、torcvision、python、cuda、cudnn版本要对应上。建议提前把cuda、cudnn、pytorch、torchvision、python的对应版本确定之后再下载，节省时间.
深度学习环境配置(pytorch版本)----超级无敌详细版（有手就行）
FRANPPER的博客
11-14 2万+
全体目光向我看齐，我宣布个事：看完这个，妈妈再也不用担心我不会配置深度学习环境了！！！
Python与PyTorch的版本对应
m0_59118857的博客
08-19 3万+
以下是一些常见的Python和PyTorch版本对应关系。请注意，随着时间的推移，版本可能会有所改变，因此在使用时请务必查阅最新文档以获取准确的信息。请注意，Python 2.x 分支在2020年已经停止维护，因此强烈建议使用Python 3.x 版本。一般来说Python3.x对应着PyTorch1.x。
版本匹配指南：PyTorch版本、Python版本和pytorch_lightning版本的对应关系
Oona_01的博客
04-24 879
通过深入理解PyTorch、Python和pytorch_lightning之间的版本对应关系，我们可以选择合适的版本组合，确保项目的顺利进行。在选择pytorch_lightning版本时，可以查阅相关的社区论坛、GitHub仓库等，了解不同版本的活跃度和用户反馈。不同版本的组件可能具有不同的特性和性能优化，因此选择正确的版本组合对于提高开发效率和模型性能至关重要。首先，根据项目需求选择合适的版本。例如，如果你的项目需要处理大量的数据或复杂的模型结构，那么选择一个具有优秀性能和稳定性的版本可能更为合适。
PyToch和Torchvision版本对应及快速安装
weixin_46568899的博客
07-12 1426
在安装Pytorch(GPU或CPU版)时，如果TorchVision版本对应不上，有可能导致当前代码脚本运行失败。正确安装最好的办法是到Nvidia官网去安装要求安装。还有一个方法就是直接去网站下载TorchVision的wheel文件（）进行安装，这样不仅安装速度快，而且安装TorchVision的同时会自动安装相对应的pytorch（强烈建议新手使用这个方法以免安装出错）。
PyTorch：在Python中学习和使用Pytorch
02-15
火炬 该存储库将用于跟踪我在python 3.8中对Pytorch的学习及其工具，并记录我所做的任何著名项目。 相关规格 Windows 10 戴尔Inspiron 7000 英伟达GTX 1050 水蟒4.9.0 Anaconda软件包名称 版本 雪花石膏 0.7.12 啊 0.26.2 氩气2-cffi 20.1.0 天体 2.4.2 async_generator 1.1 原子写入 1.4.0 属性 20.2.0 autopep8 1.5.4 巴别塔 2.8.0 回呼 0.2.0 加密 3.2.0 布拉斯 1个 漂白 3.2.1 纤毛状的 0.7.0 ca证书 2020.10.14 认证 2020.6.20 cffi 1.14.3 夏尔代 3.0.4 云雀 1.6.0 科罗拉多州 0.4.4 密码学 3.1.1 cudatool
pytorch1.7 安装
01-19 4771
pip install torch==1.x.x -i https://pypi.douban.com/simple pip install torchvision==0.x.x -i https://pypi.douban.com/simple 安装kornia pip install kornia==0.x.x -i https://pypi.douban.com/simple pytorch=1.3, kornia=0.3.1 pytorch=1.7, kornia=0.5.1
版本匹配指南：PyTorch版本、torchvision 版本和Python版本的对应关系
创作高质量博文，分享知识，共同进步！
03-09 2万+
🚀【版本匹配秘籍】PyTorch+torchvision与Python的完美联姻🔥 🌟PyTorch与Python版本搭配，你选对了吗？深度学习中，版本匹配如同找对另一半，关键而微妙！🔍 📊一文解析PyTorch、torchvision与Python的版本联姻图谱，让你秒懂如何“门当户对”！👫 🎯如何挑选最适合你的PyTorch版本？一篇文章告诉你答案！🎁 🐍conda安装PyTorch？别愁，手把手教你轻松搞定！👨‍💻 🙋遇到版本冲突？别慌，常见问题解答助你轻松破局！💡
pytorch与torchvision版本对应
qq_47056525的博客
01-11 565
pytorch与torchvision版本对应
PyTorch碎片：PyToch和Torchvision对应版本
热门推荐
面壁者
06-21 8万+
前言 错误分析： 安装pytorch或torchvision时，无法找到对应版本 cuda可以找到，但是无法转为.cuda() 以上两种或类似错误，一般由两个原因可供分析： cuda版本不合适，重新安装cuda和cudnn pytorch和torchvision版本没对应上 pytorch和torchvision版本对应关系 pytorch torchvision python cuda 1.5.1 0.6.1 >=3.6 9.2, 10.1,10.2 1.5.0
Linux系统安装pytorch和torchvision：torch1.8.0+torchvision0.9.0
04-27
在Linux系统上安装PyTorch和torchvision是深度学习开发者常用的操作，特别是在处理计算机视觉任务时。PyTorch是一个开源的Python库，用于构建和训练神经网络，而torchvision则是PyTorch的一个扩展库，专注于计算机...
树莓派安装pytorch所需依赖包torch1.8.0+torchvision0.9.0.whl
04-22
在本文中，我们将深入探讨如何在树莓派上安装PyTorch 1.8.0以及对应的torchvision 0.9.0版本。PyTorch是一个流行的深度学习框架，广泛用于构建神经网络模型，而torchvision则提供了图像处理和计算机视觉任务所需的...
从零安装深度学习环境 Anaconda+cuda+pytorch+python等等
qq_37909691的博客
09-14 1330
文章目录前言一、环境篇1 Anaconda1.1 安装1.2 使用2 Cuda2.1 安装3 Pytorch3.1 安装4 python5 Pycharm5.1 安装总结 前言 九月，又是新的一年新生入学时期。 想必师弟师妹现在也已经实验室就位了，为了方便新生尽快熟悉深度学习，这里总结了一些我之前关于环境的配置方面的东西，尽量少走些弯路。 提示：在以下的安装过程中，均使用win10的沙盒功能，进行安装。 一、环境篇 本文只介绍如何安装相对应的环境，不做具体的探讨。 1 Anaconda 1.1 安装 官
python、pytorch、cuda、cuDNN环境配置
wwwwzm的博客
11-22 1671
1）注意pip命令安装与conda命令安装，torch对应的cuda版本可能不一样，具体见官网2）cuda10.2，cuda11.3可以对应多个版本的torch，比较稳定。其中cuda10.2搭配cuDNN7.6.5最稳定可靠。
【环境搭建】Python、PyTorch与cuda的版本对应表
weixin_41809117的博客
08-16 4万+
Torch版本可选的CUDA版本支持的Python版本
Pytorch、Torchvision、Python版本对应表（2023.5.20）
Y2894297258的博客
05-20 5938
Pytorch、Torchvision、Python的版本如果不对应，会出现报错。
Python与PyTorch的版本对应以及pytorch安装问题
m0_49009986的博客
06-20 1055
Python与PyTorch的版本对应：
python3.10安装basicsr
最新发布
02-27
### 安装BasicSR库 为了在Python 3.10环境中成功安装BasicSR库，需遵循特定步骤来确保兼容性和依赖项的正确处理。考虑到环境配置的重要性，在虚拟环境中操作是一个明智的选择。 #### 创建并激活虚拟环境 创建一个新的虚拟环境有助于隔离项目所需的软件包版本，防止与其他项目的冲突。通过以下命令可实现此目的： ```bash python3 -m venv basicsr_env source basicsr_env/bin/activate ``` 一旦激活了该虚拟环境，则可以直接使用`python`和`pip`命令而无需指定版本号[^1]。 #### 更新Pip至最新版 更新pip工具能提高后续安装的成功率以及安全性。 ```bash pip install --upgrade pip ``` #### 安装必要的依赖项 BasicSR可能依赖于其他库如PyTorch等。建议先查阅官方文档获取最新的依赖列表。通常情况下，可以通过如下方式安装这些基础依赖： ```bash pip install torch torchvision torchaudio ``` #### 安装BasicSR库 现在准备就绪，可以尝试直接从GitHub仓库克隆BasicSR源码或利用pip安装稳定发布的版本。如果遇到问题，考虑安装具体版本以规避潜在不兼容情况。 对于直接安装发布版的情况： ```bash pip install basicsr ``` 若要从源码编译安装，请按照官方指南执行相应步骤，这一般涉及下载代码库、调整设置文件等内容。 #### 验证安装 完成上述步骤之后，应该验证BasicSR是否能够正常工作。可以在交互式的解释器里导入模块测试其功能。 ```python import basicsr print(basicsr.__version__) ``` 以上流程应当适用于大多数标准场景下的BasicSR部署需求；然而，实际应用中可能会因为操作系统差异等因素有所变化。始终推荐参考官方提供的最新指导说明来进行操作。
评论 5
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

打赏作者

半亩花海

你的鼓励将是我创作的最大动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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