PyTorch安装教程【笔记向，持续更新中】

Pytorch安装教程

Pytorch介绍

Pytorch是基于torch的python版本的机器学习库，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络(DNN)编程。Torch是一个经典的对多维矩阵数据进行操作的张量(tensor)库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。作为经典机器学习库 Torch 的端口，PyTorch 为 Python 语言使用者提供了舒适的写代码选择。

准备工作

python版本：≥3.6，官方推荐 ≥3.9
pip包管理器
NVIDIA显卡（需要GPU加速版本时）
卸载原有cuda环境【如下程序】
- NVIDIA CUDA Development 12.1
- NVIDIA CUDA Documentation 12.1
- NVIDIA CUDA Runtime 12.1
- NVIDIA CUDA Visual Studio Integration 12.1
- NVIDIA Nsight Compute 2023.1.0
- NVIDIA Nsight Systems 2023.1.2
- NVIDIA Nsight Visual Studio Edition 2023.1.0.23041
- C:\Program Files下的NVIDIA GPU Computing Toolkit文件夹
- 环境变量 - 系统变量中cuda相关路径【类似名为CUDA_PATH的变量】
查看CUDA显卡驱动版本
- 命令行输入nvidia-smi，检查显卡支持cuda的最高版本（向下兼容，尽量低一个版本）
- ```
nvidia-smi
```

安装CUDA：右上角显示“CUDA Version：12.9”，安装CUDA Toolkit 12.8.1版本

安装得到 cuda_12.8.1_572.61_windows.exe
双击安装——选择默认安装目录（安装完成后自动删除）
检查是否安装正确：注意 -V 是大写
```
nvcc -V
```

# 应当显示类似如下
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2025 NVIDIA Corporation
Built on Fri_Feb_21_20:42:46_Pacific_Standard_Time_2025
Cuda compilation tools, release 12.8, V12.8.93
Build cuda_12.8.r12.8/compiler.35583870_0

安装cuDNN【cuDNN是针对深度神经网络DNN的CUDA扩展库，大大提高深度学习在GPU的运行效率】
- 下载得到cudnn-windows-x86_64-9.16.0.29_cuda13-archive.zip
- 将cuDNN各个文件夹中的文件复制到CUDA对应文件夹中（bin, include, lib-x64）

安装pytorch

CPU版本
- 安装torch torchvision torchaudio（使用清华镜像源：-i https://pypi.tuna.tsinghua.edu.cn/simple）
- ```
pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
```
GPU版本
- 选择 Stable-Windows-Pip-Python-CUDA12.8 获取 Run this Command
- ```
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128
```
- 若使用 uv 需手动 uv pip install 安装，否则报错，原因猜测：
  - PyTorch 官方下载源如 https://download.pytorch.org/whl/cu128 被 Linux-only 或 Python 3.13-only （如 markupsafe==3.0.2 ）的依赖污染，由于 uv add 实际会严格解析 wheel 下所有依赖关系，必然导致冲突和报错而自动回滚，始终无法正确安装
  - PyTorch 官方在构建 torch==2.9.1+cu128 wheel 时，硬编码了 markupsafe==3.0.2 作为依赖

资讯详情

Pytorch安装教程

Pytorch介绍

准备工作

安装pytorch

相关新闻