PyTorch安装提速指南（CPU/GPU双版本）——利用国内镜像源告别龟速下载

1. PyTorch安装为什么这么慢第一次安装PyTorch的时候我盯着进度条看了足足半小时下载速度始终在几十KB/s徘徊。后来才发现问题出在默认的下载源上——PyTorch官方服务器位于国外跨国网络传输就像用吸管喝珍珠奶茶珍珠安装包太大吸管网络带宽太细自然就卡住了。国内开发者常用的解决方法是用镜像源替代官方源。镜像源就像是把国外的软件仓库完整复制到国内的服务器上下载时直接从国内服务器获取数据速度能提升10倍不止。目前主流的镜像源有清华、阿里云、中科大等实测下来清华源的稳定性和同步速度都相当不错。2. 准备工作环境检查2.1 确认Python版本在开始安装前建议先确认你的Python环境。打开终端Windows用户按WinR输入cmd执行python --version # 或 python3 --versionPyTorch 1.8需要Python 3.7及以上版本。如果还在用Python 2.x建议先升级到Python 3.x。我遇到过不少同学因为Python版本不对导致安装失败的情况。2.2 检查pip版本pip是Python的包管理工具建议保持最新版pip install --upgrade pip老版本的pip有时会出现依赖解析错误。上周帮学弟排查问题时发现他的pip 18.1无法正确安装PyTorch 1.12的依赖升级到pip 22.3后问题就解决了。2.3 GPU用户专属检查如果你打算安装GPU版本需要先确认两件事显卡是否支持CUDANVIDIA显卡通常都支持AMD显卡需要ROCm支持已安装对应版本的CUDA驱动通过nvidia-smi命令查看nvidia-smi输出结果右上角会显示CUDA版本比如CUDA Version: 11.7。这个版本号决定了你应该安装哪个PyTorch GPU版本。3. CPU版本安装指南3.1 基础安装命令CPU版本的安装相对简单官方给出的命令格式是pip install torch torchvision torchaudio但直接运行这个命令可能会慢到怀疑人生。我实测在100M宽带下下载速度只有50KB/s左右整个安装过程耗时超过40分钟。3.2 国内镜像加速方案改用清华源后同样的安装过程只需要2-3分钟。具体操作是在命令后添加镜像源参数pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple这里有几个实用技巧可以添加--default-timeout100参数防止超时如果遇到SSL错误可以临时添加--trusted-host pypi.tuna.tsinghua.edu.cn想永久更换pip源可以创建pip.conf文件3.3 指定版本安装有时候项目需要特定版本的PyTorch比如1.13.1。这时可以使用精确版本号pip install torch1.13.1cpu torchvision0.14.1cpu torchaudio0.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple注意版本号的cpu后缀是必须的它表示这是CPU专用版本。去年我在一个企业项目上就因为这个后缀漏写导致安装成了GPU版本在没显卡的服务器上运行时报错。4. GPU版本安装指南4.1 CUDA版本匹配PyTorch GPU版本需要与CUDA版本严格对应。目前主流组合有PyTorch 2.0 CUDA 11.7/11.8PyTorch 1.13 CUDA 11.6/11.7PyTorch 1.12 CUDA 11.3/11.6安装命令示例CUDA 11.7pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 -i https://pypi.tuna.tsinghua.edu.cn/simple4.2 镜像源的特殊处理GPU版本有个特殊之处PyTorch的主包在官方源依赖包在镜像源。所以需要用--extra-index-url指定官方源同时用-i指定镜像源。这个技巧花了我不少时间才摸索出来。4.3 常见问题解决问题1安装成功后import torch报错CUDA not available解决方法确认nvidia驱动已安装nvidia-smi能正常输出检查PyTorch版本与CUDA版本匹配重启电脑试试有时候驱动需要重启生效问题2安装过程中出现Could not find a version that satisfies the requirement这通常是版本号写错了或者该版本没有对应的预编译包。建议去PyTorch官网确认版本号拼写尝试去掉小版本号比如torch1.13而不是torch1.13.15. 安装后验证5.1 基础功能测试无论CPU还是GPU版本都应该先运行基础测试import torch print(torch.__version__) # 输出版本号 print(torch.rand(2,3)) # 测试张量创建5.2 GPU专属测试对于GPU版本还需要额外检查print(torch.cuda.is_available()) # 应该返回True print(torch.cuda.current_device()) # 返回当前GPU编号 print(torch.cuda.get_device_name(0)) # 打印GPU型号5.3 性能对比可以用简单矩阵运算测试GPU加速效果import time device cuda if torch.cuda.is_available() else cpu x torch.randn(10000, 10000).to(device) start time.time() y x x.T print(f耗时{time.time()-start:.2f}秒)在我的RTX 3060上GPU版本比CPU版本快约50倍。6. 进阶技巧与优化6.1 永久更换pip源不想每次安装都加-i参数可以修改pip配置文件Linux/Mac:mkdir -p ~/.pip echo [global] index-url https://pypi.tuna.tsinghua.edu.cn/simple trusted-host pypi.tuna.tsinghua.edu.cn ~/.pip/pip.confWindows: 在C:\Users\你的用户名\pip目录下创建pip.ini文件内容同上。6.2 多版本共存管理有时需要在不同项目中使用不同版本的PyTorch推荐使用conda创建虚拟环境conda create -n pytorch1.13 python3.8 conda activate pytorch1.13 pip install torch1.13.0 -i https://pypi.tuna.tsinghua.edu.cn/simple6.3 离线安装方案对于内网环境可以先在有网的机器上下载好whl文件pip download torch1.13.1cpu -d ./pytorch_pkgs -i https://pypi.tuna.tsinghua.edu.cn/simple然后把整个pytorch_pkgs文件夹拷贝到内网机器执行pip install --no-index --find-links./pytorch_pkgs torch7. 其他镜像源推荐除了清华源国内还有多个优质镜像源可供选择阿里云镜像-i https://mirrors.aliyun.com/pypi/simple/中科大镜像-i https://pypi.mirrors.ustc.edu.cn/simple/豆瓣镜像-i https://pypi.doubanio.com/simple/实测在不同地区、不同运营商网络下各镜像源的速度会有差异。我在北京用清华源最快但在深圳的朋友反馈阿里云源更稳定。建议多试几个找到最适合你的。