pytorch安装windows

### 如何在 Windows 上安装 PyTorch #### 准备工作 为了成功安装 PyTorch，在开始之前需准备一台可以上网的计算机用于下载所需的文件（称为设备 A）。此过程涉及获取适用于目标系统的 Python 运行环境以及特定配置版本的 PyTorch 和其他依赖库。 #### 安装 Python 环境 建议使用较新的稳定版 Python 来构建开发环境，例如 Python 3.x 版本。对于具体操作而言，可以在设备 A 上设置 Python 的运行环境；这里提到的一个实例是采用了 Python 3.12 版本[^1]。然而需要注意的是，Python 3.12 可能并非当前支持的最佳选择，因为官方推荐和支持的情况可能会有所不同，因此应当访问官方网站确认最适合的版本并据此安装。 #### 判断硬件条件与选择合适的 PyTorch 版本 考虑到不同用户的计算资源差异，特别是关于是否存在兼容 GPU 显卡这一点非常重要。如果检测到系统缺乏必要的图形处理单元，则应转向 CPU 支持的 PyTorch 发布版本进行部署[^2]。 #### 使用 Anaconda 方式安装 PyTorch 一种简便的方法是在 Anaconda 中创建一个新的虚拟环境来管理软件包及其依赖关系。通过这种方式可以简化整个安装流程，并减少潜在冲突的风险。具体的命令如下所示： ```bash # 创建新环境 (可根据需求调整 python 版本号) conda create --name pytorch_env python=3.8 # 激活该环境 conda activate pytorch_env # 添加额外通道以便于后续安装更多工具 conda config --add channels conda-forge # 下载对应版本的 PyTorch 轮子文件(.whl)，注意要匹配 CUDA/Python 版本 pip install https://download.pytorch.org/whl/cu111/torch-1.9.1%2Bcu111-cp38-cp38-win_amd64.whl # 同样地为 torchvision 库指定相应链接完成安装 pip install https://download.pytorch.org/whl/cu111/torchvision-0.10.1%2Bcu111-cp38-cp38-win_amd64.whl ``` 上述代码片段展示了如何利用预编译好的二进制分发包快速搭建起基于特定 CUDA 驱动程序版本的支持 GPU 加速功能的 PyTorch 开发平台[^3]。当然，如果不打算利用 NVIDIA GPU 或者不具备相应的驱动条件，可以选择仅针对 CPU 架构优化过的发行版本来进行本地化适配。 #### 扩展组件及其他辅助工具的集成 除了核心框架本身外，还可能希望引入一些常用的科学计算、数据可视化等方面的扩展模块，比如 `fvcore`、`iopath` 等等。这些可以通过 Conda 命令轻松实现自动化加载： ```bash conda install -c fvcore -c iopath fvcore iopath ``` 另外也可以考虑加入 Jupyter Notebook/Lab 提供交互式的编程体验，以及其他诸如图像处理(`scikit-image`)、绘图(`matplotlib`)等功能增强型插件： ```bash conda install jupyter pip install scikit-image matplotlib imageio plotly opencv-python ``` 最后还可以添加静态分析器和其他质量保障类实用程序帮助维护良好的编码习惯： ```bash pip install black usort flake8 flake8-bugbear flake8-comprehensions ```