03ab-PyTorch安装教程 [特殊字符]

03ab-PyTorch安装教程 📚

章节阅读路线图 🗺️

阅读顺序说明：

• 第1章 → 第2章：先了解PyTorch是什么以及安装前需要准备什么
• 第2章 → 第3章：准备好环境后，根据需求选择CPU或GPU版本
• 第3章 → 第4章：CPU版本简单，GPU版本需要额外配置CUDA
• 第4章 → 第5章：装完必须验证是否正常工作

1. 概述 📝

PyTorch是一个由Facebook开发的开源深度学习框架，从2016年发布至今已经成为学术界和工业界最受欢迎的深度学习工具之一。相比TensorFlow，PyTorch的最大特点是动态计算图，这意味着你可以在代码运行时随时改变网络结构，调试起来非常方便。

我们这个系列主要学习Transformer，而Transformer的代码实现离不开PyTorch。接下来的几节，我会手把手教你把PyTorch环境搭好。

2. 安装前准备 ⚙️

在安装PyTorch之前，我们需要先确认两件事：你有没有NVIDIA显卡、你用的是什么包管理工具。

2.1 检查NVIDIA显卡 🔍

打开命令提示符，输入以下命令：

nvidia-smi

如果你的电脑有NVIDIA显卡，会看到类似这样的输出：

+-----------------------------------------------------------------------------------------+ | NVIDIA-SMI 572.83 Driver Version: 572.83 CUDA Version: 12.8 | |-----------------------------------------+------------------------+----------------------+ | GPU Name Driver-Model | Bus-Id Disp.A | Volatile Uncorr. ECC | |=========================================+========================+======================| | 0 NVIDIA GeForce RTX 4060 ... WDDM | 00000000:01:00.0 Off | N/A | +-----------------------------------------------------------------------------------------+

🔴注意：如果你看到"CUDA Version: 12.8"，说明你的显卡驱动支持CUDA 12.8。安装PyTorch时，CUDA版本不能超过这个数字。

如果你没有看到任何NVIDIA相关输出，说明你的电脑没有NVIDIA显卡，只能安装CPU版本。

2.2 选择包管理工具 📦

Windows上常用的Python包管理工具主要有两种：

pip（推荐新手）：Python官方的包管理器，简单直接，安装命令一学就会。

conda：Anaconda自带的包管理器，功能强大，但需要额外学习环境管理命令，新手可以先跳过。

新手先用pip把PyTorch装上，跑通代码后再学conda也不迟。

3. CPU版本安装 💻

CPU版本安装最简单，适合没有NVIDIA显卡的同学，或者只是跑一些小模型练手。

3.1 检查Python版本 🐍

PyTorch要求Python版本在3.9以上。打开命令提示符检查：

python--version

如果版本低于3.9，需要先升级Python。建议安装Python 3.10或3.11。

3.2 安装PyTorch 🔧

使用pip安装（推荐）：

# CPU版本pipinstalltorch==2.10.0torchvision==0.25.0torchaudio==2.10.0 --index-url https://download.pytorch.org/whl/cpu

💡提示：具体的pip安装命令，请前往PyTorch官方历史版本页面查找，页面上会根据你的需求提供对应的命令。

如果网络比较慢，可以使用国内镜像加速：

pipinstalltorch==2.10.0torchvision==0.25.0torchaudio==2.10.0-ihttps://pypi.tuna.tsinghua.edu.cn/simple

如果镜像速度也不行，可以参考03aa-PyTorch迅雷加速下载小妙招（CSDN版），用迅雷下载.whl文件本地安装。

4. GPU版本安装 🔧

GPU版本可以加速深度学习训练，比CPU快几十倍不止。只有NVIDIA显卡才能使用GPU版本，如果你没有NVIDIA显卡，请跳过这节，直接看第五章验证安装。

4.1 安装CUDA Toolkit 🔧

首先用nvidia-smi查看你的显卡驱动支持什么版本的CUDA。

下载地址：https://developer.nvidia.com/cuda-downloads

下载对应版本后，打开下载页面，按以下选择（以Windows 11 x86_64为例）：

• Operating System：Windows
• Architecture：x86_64（64位系统）
• Version：Windows 11（根据你的系统选择）
• Installer Type：推荐选exe (local)（本地安装包，包含所有组件）

然后点击Download下载。下载完后双击安装包，按照提示一路下一步即可。安装完成后，打开命令提示符验证：

nvcc-V

看到类似输出就说明安装成功：

nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2026 NVIDIA Corporation Built on Thu_Mar_19_22:28:55_Pacific_Daylight_Time_2026 Cuda compilation tools, release 13.2, V13.2.78 Build cuda_13.2.r13.2/compiler.37668154_0

4.2 安装PyTorch GPU版本 🚀

根据你的CUDA版本选择安装命令：

# CUDA 12.6pipinstalltorch==2.10.0torchvision==0.25.0torchaudio==2.10.0 --index-url https://download.pytorch.org/whl/cu126

💡提示：具体的pip安装命令，请前往PyTorch官方历史版本页面查找，页面上会根据你的CUDA版本提供对应的命令。

5. 验证安装 ✅

不管你安装的是CPU还是GPU版本，都需要验证一下是否正常工作。

5.1 基础验证 🧪

进入Python环境，输入以下代码：

importtorch# 打印PyTorch版本print(f"PyTorch版本:{torch.__version__}")# 检查CUDA是否可用print(f"CUDA是否可用:{torch.cuda.is_available()}")# 创建一个随机张量测试x=torch.rand(5,3)print("随机张量测试:")print(x)

如果输出正常，说明PyTorch已经安装成功。

5.2 GPU验证 🔍

如果你安装的是GPU版本，还需要额外验证：

importtorchprint(f"CUDA是否可用:{torch.cuda.is_available()}")print(f"当前设备:{torch.cuda.current_device()}")print(f"设备名称:{torch.cuda.get_device_name(0)}")print(f"CUDA版本:{torch.version.cuda}")

如果torch.cuda.is_available()返回True，说明GPU已经可以用了。

最后更新时间：2026-05-03

参考资料：

• PyTorch官方历史版本安装页面 – PyTorch
• PyTorch官方Windows安装指南 – GitHub
• PyTorch 2025保姆级安装教程 – CSDN
• 2025年Windows最新Pytorch安装教程 – CSDN