机器学习与深度学习 / 系统课时

安装 PyTorch

安装 PyTorch

本课根据操作系统和计算设备选择正确的 PyTorch 构建,完成核心包安装,并用一段可运行脚本验证版本、张量计算和硬件加速。最终你能明确当前环境实际使用的是 CPU、CUDA、MPS 还是 XPU,而不是只凭安装命令判断。

学习目标

  • 根据 CPU、NVIDIA GPU、Apple Silicon 和 Intel GPU 选择安装入口
  • 在当前虚拟环境中安装 torch、torchvision 与 torchaudio
  • 通过真实张量运算确认 PyTorch 和计算设备可用

安装前确认环境

先进入上一课创建的项目目录并激活 .venv,再确认终端中的 Python 来自虚拟环境。当前稳定版 PyTorch 的 Python 兼容范围可能调整,因此应以官方安装页显示的要求为准。:contentReference[oaicite:1]{index=1}

bash
python --version
python -m pip --version

预期输出:

text
Python 3.<MINOR>.<PATCH>
pip <VERSION> from <PROJECT_PATH>/.venv/<PATH>

若路径未指向 .venv,先停止安装并重新激活环境。否则即使安装成功,运行项目时也可能导入到另一套 Python 中。

选择计算平台

不同设备需要不同构建,不能只看电脑是否有显卡。没有受支持加速设备时选择 CPU;Windows 或 Linux 上的 NVIDIA GPU 选择与驱动兼容的 CUDA 构建;Apple Silicon 使用 macOS 构建并在运行时检查 MPS;受支持的 Intel GPU 可选择 XPU 构建;AMD GPU 的 ROCm 构建主要面向受支持的 Linux 环境。

打开 PyTorch Start Locally,依次选择稳定版、操作系统、Pip、Python 和计算平台,再复制页面生成的命令。不要从旧教程复制固定 CUDA 版本,因为可用组合会随发布版本变化。

只使用 CPU 时,可直接执行官方 CPU 轮子安装命令:

bash
python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

预期输出:

text
Successfully installed torch-<VERSION> torchvision-<VERSION> torchaudio-<VERSION>

macOS 通常使用默认 PyPI 构建:

bash
python -m pip install torch torchvision torchaudio

预期输出:

text
Successfully installed torch-<VERSION> torchvision-<VERSION> torchaudio-<VERSION>

NVIDIA CUDA、AMD ROCm 或 Intel XPU 环境应执行选择器实时生成的完整命令。PyTorch 官方也为 Intel GPU 提供单独的 XPU 安装入口和驱动前置要求。:contentReference[oaicite:2]{index=2}

验证 PyTorch 与设备

在项目根目录创建 verify_torch.py,下面的程序会按 CUDA、MPS、XPU、CPU 的顺序选择可用设备,并真正执行一次张量运算。

python
import torch

def select_device() -> torch.device:
    if torch.cuda.is_available():
        return torch.device("cuda")

    if hasattr(torch.backends, "mps") and torch.backends.mps.is_available():
        return torch.device("mps")

    if hasattr(torch, "xpu") and torch.xpu.is_available():
        return torch.device("xpu")

    return torch.device("cpu")

device = select_device()
values = torch.tensor([1.0, 2.0, 3.0], device=device)
result = (values * 2).cpu().tolist()

print(f"torch_version={torch.__version__}")
print(f"device={device.type}")
print(f"result={result}")

保存后执行 python verify_torch.py,预期输出:

text
torch_version=<VERSION>
device=<cpu|cuda|mps|xpu>
result=[2.0, 4.0, 6.0]

版本号和设备类型取决于实际环境,但结果列表必须一致。出现 device=cpu 不代表安装失败,只表示当前 PyTorch 没有检测到可用的受支持加速后端。

排查设备不可用

若安装时报 No matching distribution found,通常是 Python 版本、操作系统架构或安装源与所选构建不兼容。确认使用 64 位 Python,并回到官方选择器重新生成命令,不要手动拼接不存在的版本标签。

NVIDIA 电脑返回 device=cpu 时,先检查是否误装了 CPU 构建,再确认显卡驱动正常;PyTorch 的预编译包通常携带所需的 CUDA 运行时,但仍依赖可工作的 NVIDIA 驱动。Apple Silicon 返回 CPU 时,应确认正在使用原生 arm64 Python,并检查 torch.backends.mps.is_available() 的结果。

若导入时报 DLL、动态库或符号缺失错误,先在虚拟环境中卸载相关包,再使用同一来源重新安装三个匹配版本的包。不要混装来自不同渠道或不同发布系列的 torch、torchvision 和 torchaudio。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

安装 PyTorch

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通