PYTORCH清华源安装教程

### PyTorch 使用清华大学开源镜像安装指南 #### 一、背景介绍 PyTorch 是一种流行的深度学习框架，广泛应用于学术研究和工业生产。然而，在国内环境中直接从官方源安装可能会遇到速度较慢甚至失败的情况。为了提高安装效率并减少网络不稳定带来的影响，可以利用清华大学开源软件镜像站作为替代方案。 --- #### 二、基于 Conda 的在线安装方法 如果希望使用 Conda 并通过清华大学镜像加速安装 PyTorch，则可以通过以下方式实现： 1. **配置 Conda 镜像源** 修改 `~/.condarc` 文件以指向清华大学的 Anaconda 镜像地址： ```yaml channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud ``` 2. **执行安装命令** 基于所需 CUDA 版本选择合适的 PyTorch 安装命令。例如，对于 Python 3.x 和 CUDA 11.0 的环境，运行如下命令即可完成安装[^1]: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch -c nvidia ``` --- #### 三、离线安装方法 当目标机器无法连接互联网或者需要频繁重复部署相同版本时，可以选择预先下载所需的包文件再进行本地安装。 1. **访问清华镜像站点** 访问 [https://mirrors.tuna.tsinghua.edu.cn/pytorch](https://mirrors.tuna.tsinghua.edu.cn/pytorch)，找到对应平台架构下的 `.tar.bz2` 或者其他压缩格式的目标文件链接。 2. **手动下载依赖项** 下载完成后将其上传至目标服务器目录下。假设已获取到名为 `pytorch-1.7.0-py3.8_cuda11.0.221_cudnn8.0.3_0.tar.bz2` 及其配套组件 `torchvision-0.8.0-py38_cu110.tar.bz2` 的两个文件。 3. **实施离线安装操作** 执行以下指令来加载这些预缓存资源[^2]： ```bash conda install --offline /path/to/downloaded/pytorch-1.7.0-py3.8_cuda11.0.221_cudnn8.0.3_0.tar.bz2 conda install --offline /path/to/downloaded/torchvision-0.8.0-py38_cu110.tar.bz2 ``` > 注意事项：确保所选路径无误；同时确认所有必需模块均已妥善准备完毕后再启动此过程。 --- #### 四、验证安装成功与否 最后一步非常重要——测试新安好的库能否正常运作。打开终端输入 python 进入交互模式后尝试导入核心功能模块看看有没有报错现象发生： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 上述脚本会打印当前使用的 PyTorch 版本号以及 GPU 加速支持状态信息。 ---