conda 安装 pytorch

本文介绍了如何通过pip和conda设置阿里云镜像源,以加快依赖包的下载速度,并详细步骤指导了如何创建conda环境、安装PyTorch及其CPU版本,最后演示了环境的激活和使用。适合Python开发者优化开发环境。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.修改pip以及conda为国内源
pip.ini

[global]
index-url=https://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com

.condarc

channels:
  - https://mirrors.aliyun.com/anaconda/cloud/ursky
  - https://mirrors.aliyun.com/anaconda/cloud/stackless
  - https://mirrors.aliyun.com/anaconda/cloud/simpleitk
  - https://mirrors.aliyun.com/anaconda/cloud/rdkit
  - https://mirrors.aliyun.com/anaconda/cloud/rapidsai
  - https://mirrors.aliyun.com/anaconda/cloud/qiime2
  - https://mirrors.aliyun.com/anaconda/cloud/pyviz
  - https://mirrors.aliyun.com/anaconda/cloud/pytorch3d
  - https://mirrors.aliyun.com/anaconda/cloud/pytorch-test
  - https://mirrors.aliyun.com/anaconda/cloud/pytorch
  - https://mirrors.aliyun.com/anaconda/cloud/psi4
  - https://mirrors.aliyun.com/anaconda/cloud/plotly
  - https://mirrors.aliyun.com/anaconda/cloud/omnia
  - https://mirrors.aliyun.com/anaconda/cloud/ohmeta
  - https://mirrors.aliyun.com/anaconda/cloud/numba
  - https://mirrors.aliyun.com/anaconda/cloud/msys2
  - https://mirrors.aliyun.com/anaconda/cloud/mordred-descriptor
  - https://mirrors.aliyun.com/anaconda/cloud/menpo
  - https://mirrors.aliyun.com/anaconda/cloud/matsci
  - https://mirrors.aliyun.com/anaconda/cloud/intel
  - https://mirrors.aliyun.com/anaconda/cloud/idaholab
  - https://mirrors.aliyun.com/anaconda/cloud/fermi
  - https://mirrors.aliyun.com/anaconda/cloud/fastai
  - https://mirrors.aliyun.com/anaconda/cloud/dglteam
  - https://mirrors.aliyun.com/anaconda/cloud/deepmodeling
  - https://mirrors.aliyun.com/anaconda/cloud/conda-forge
  - https://mirrors.aliyun.com/anaconda/cloud/caffe2
  - https://mirrors.aliyun.com/anaconda/cloud/c4aarch64
  - https://mirrors.aliyun.com/anaconda/cloud/bioconda
  - https://mirrors.aliyun.com/anaconda/cloud/biobakery
  - https://mirrors.aliyun.com/anaconda/cloud/auto
  - https://mirrors.aliyun.com/anaconda/cloud/Paddle
  - https://mirrors.aliyun.com/anaconda/cloud/pytorch/
  - https://mirrors.aliyun.com/anaconda/pkgs/r
  - https://mirrors.aliyun.com/anaconda/pkgs/msys2
  - https://mirrors.aliyun.com/anaconda/pkgs/main
  - https://mirrors.aliyun.com/anaconda/pkgs/free
  - defaults
show_channel_urls: true

2.创建conda环境

conda create -n pytorch python=3.8
conda info --env
conda install -n pytorch pylint

3.安装pytorch,不带GPU

conda install -n pytorch pytorch torchvision cpuonly

4.激活环境

activate pytorch
import torch

在这里插入图片描述

### 使用 Conda 安装 PyTorch 的方法 对于希望利用 Conda 来设置包含 PyTorch 的机器学习开发环境的用户来说,可以遵循特定命令来完成安装过程。针对仅需 CPU 支持的情况,适用如下指令: ```bash conda install pytorch-cpu torchvision-cpu -c pytorch ``` 这条命令适用于那些不需要 GPU 加速支持的场景[^1]。 然而,在更普遍的情况下,尤其是当目标环境中已存在如 Python 3.10 和 PyTorch 2.0 这样的配置时,则可能涉及到带有 CUDA 支持的版本安装。此时应考虑使用适合具体硬件条件(例如 CUDA 版本)的安装方式。对于已经拥有 Anaconda 或 Miniconda 并运行于 Windows 10 上的用户而言,通过访问官方指南页面可以选择最合适的安装选项[^3]。 值得注意的是,某些情况下可能会遇到兼容性问题,比如不同版本间的冲突。有报告指出即使是在相同的操作系统环境下,不同的 Python 版本或是 PyTorch 版本之间也可能引发相似的问题[^4]。 为了确保最佳实践并减少潜在错误的发生率,建议始终参照最新的官方文档获取最新指导信息,并确认所选组件之间的相互兼容性。 #### 创建新环境并安装指定版本的 PyTorch 示例 如果打算创建一个新的 Conda 环境用于安装特定版本的 PyTorch 及其依赖项,可采用下面的方式操作: ```bash conda create --name pt_env python=3.10 conda activate pt_env conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c nvidia ``` 上述脚本首先建立了名为 `pt_env` 的全新虚拟环境,并指定了 Python 解释器的版本;接着激活该环境;最后一步则是按照需求安装了具有 CUDA 工具包支持的 PyTorch 及其他必要的库文件[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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