摘要：一、安装前准备（必做！） 1. 系统与硬件检查 系统支持版本GPU 支持要求Windows10/11（64位）NVIDIA 显卡（CUDA 11.0+）macOS12+（Apple Silicon/M1）苹果显卡
一、安装前准备（必做！）
1. 系统与硬件检查
系统支持版本GPU 支持要求Windows10/11（64位）NVIDIA 显卡（CUDA 11.0+）macOS12+（Apple Silicon/M1）苹果显卡（Metal Performance Shaders）LinuxUbuntu 20.04+/Debian 11NVIDIA/AMD/Intel 显卡（需对应驱动）
NVIDIA GPU 用户： 打开「设备管理器」→「显示适配器」，确认显卡型号（如 RTX 3060），并检查驱动版本：
官网下载 NVIDIA 驱动，需 ≥ 515.65.01（对应 CUDA 11.7）。
Apple Silicon（M1/M2）用户： 确保系统已更新至 macOS 13.4+，并安装 Xcode Command Line Tools：
xcode-select --install # 按提示安装
2. 包管理器选择
方式优点缺点推荐场景Conda自动解决依赖，适合新手安装速度慢，版本可能非最新虚拟环境管理Pip安装速度快，获取最新版本需手动处理依赖高级用户/CI/CD 环境Docker环境隔离彻底，适合部署占用磁盘空间大生产环境/复现问题
二、分步安装教程（含全平台命令）
🔵 Windows 系统（以 Anaconda 为例）
1. 创建隔离环境（推荐）
# 打开 Anaconda Prompt
conda create -n torch_env python=3.10 # 指定 Python 3.10（PyTorch 长期支持）
conda activate torch_env # 激活环境，提示符显示 (torch_env)
2. 安装 GPU 版本（NVIDIA 显卡）
自动检测 CUDA 版本（推荐）： 访问 PyTorch 官网安装命令生成器，选择：
复制生成的命令（示例）：
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
手动指定 CUDA 版本（如已安装 CUDA 11.7）：
conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch
3. 安装 CPU 版本（无显卡/临时使用）
conda install pytorch torchvision torchaudio cpuonly -c pytorch
🔵 macOS 系统（Apple Silicon）
1. 使用 Conda 安装（推荐）
# 打开终端（Terminal）
conda create -n torch_m1 python=3.10
conda activate torch_m1
# 官方 MPS 优化版本（需 macOS 13+）
conda install pytorch torchvision torchaudio -c pytorch -c apple
2. 使用 Pip 安装（最新特性）
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
🔵 Linux 系统（Ubuntu 22.04）
1. 安装 NVIDIA GPU 版本
# 先安装 CUDA 工具包（官网下载 runfile 安装）
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run --silent --toolkit
# 创建环境并安装 PyTorch
conda create -n torch_linux python=3.10
conda activate torch_linux
conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch
2. 验证 CUDA 路径（关键！）
echo $CUDA_HOME # 应输出 /usr/local/cuda-11.8
nvcc --version # 输出版本号，如 release 11.8, V11.8.89
三、验证安装（3 步必做）
1. 启动 Python 交互环境
python # 或 python3（根据环境）
2. 运行测试代码
import torch
# 检查版本
print(torch.__version__) # 输出版本，如 2.1.0
# 检查 GPU 支持（NVIDIA）
if torch.cuda.is_available():
print(f"GPU 型号: {torch.cuda.get_device_name(0)}")
print(f"CUDA 版本: {torch.version.cuda}")
# 测试 GPU 计算
x = torch.tensor([1.0]).cuda()
print(x) # 输出 tensor([1.0], device='cuda:0')
else:
print("未检测到 GPU，使用 CPU 版本")
# Apple Silicon 专用检查
if hasattr(torch.backends, "mps") and torch.backends.mps.is_available():
print("MPS 加速已启用")
y = torch.tensor([1.0], device="mps")
print(y)
3. 预期输出示例（NVIDIA GPU）
2.1.0
GPU 型号: NVIDIA GeForce RTX 3060
CUDA 版本: 11.8
tensor([1.0], device='cuda:0')
四、常见问题与解决方案
问题 1：CUDA 版本不匹配
现象：安装后 torch.cuda.is_available() 返回 False解决：
卸载现有 CUDA：sudo apt remove cuda*（Linux）通过 PyTorch 官网工具 安装匹配版本Windows 用户检查「控制面板」→「程序」中是否有多个 CUDA 版本，保留最新版
问题 2：Apple M1/M2 安装失败
现象：ImportError: dlopen(..., symbol not found: _ZTIN10at::Tensor解决：# 卸载旧版本并安装 Apple 优化版
pip3 uninstall torch
conda install pytorch torchvision torchaudio -c pytorch -c apple
问题 3：Conda 环境未激活
现象：命令行提示符无环境名，which python 指向系统 Python解决：
重新激活：conda activate torch_env修复环境变量：conda init cmd.exe（Windows）或 conda init zsh（macOS/Linux）
问题 4：Pip 安装权限问题
现象：Permission denied 错误解决：# 使用虚拟环境（推荐）
python -m venv my_venv && source my_venv/bin/activate # Linux/macOS
my_venv\Scripts\activate.bat # Windows
# 或临时使用 --user 选项（不推荐）
pip3 install --user torch
五、进阶安装方案
1. 安装夜间版（获取最新特性）
# Conda
conda install pytorch-nightly torchvision-nightly torchaudio-nightly -c pytorch-nightly
# Pip
pip3 install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu118
2. 使用 Docker 容器
# 拉取官方 GPU 镜像（需安装 Docker Desktop 并启用 GPU）
docker pull pytorch/pytorch:2.1.0-cuda11.8-cudnn8-runtime
# 运行容器（挂载本地目录）
docker run -it --gpus all -v $(pwd):/workspace pytorch/pytorch:2.1.0-cuda11.8-cudnn8-runtime
3. 源码编译（高级用户）
# 克隆仓库（需安装 Git、CMake、Ninja）
git clone --recursive https://github.com/pytorch/pytorch.git
cd pytorch
# 启用 CUDA 编译
CMAKE_PREFIX_PATH=$(dirname $(which conda))/envs/torch_env python setup.py install
六、版本管理建议
场景推荐版本维护周期生产环境稳定版（如 2.1.0）12 个月安全更新研究开发最新稳定版（2.1.x）持续特性更新尝鲜新功能夜间版（nightly）每日构建
七、验证脚本（一键检测）
保存以下代码为 torch_check.py，运行后生成详细报告：
import torch
import platform
def get_system_info():
return {
"系统": platform.system(),
"Python 版本": platform.python_version(),
"PyTorch 版本": torch.__version__,
"CUDA 可用": torch.cuda.is_available(),
"CUDA 版本": torch.version.cuda,
"MPS 可用": hasattr(torch.backends, "mps") and torch.backends.mps.is_available(),
"显卡信息": torch.cuda.get_device_name(0) if torch.cuda.is_available() else "无"
}
if __name__ == "__main__":
info = get_system_info()
for k, v in info.items():
print(f"{k}: {v}")
运行结果示例：
系统: Windows
Python 版本: 3.10.12
PyTorch 版本: 2.1.0
CUDA 可用: True
CUDA 版本: 11.8
MPS 可用: False
显卡信息: NVIDIA GeForce RTX 3060
总结（新手必记清单）
✅ 安装前确认显卡型号和驱动版本（NVIDIA 驱动 ≥ 515.65） ✅ 优先使用Conda 虚拟环境，避免系统级依赖冲突 ✅ 运行torch_check.py验证，确保 GPU/MPS 加速已启用 ✅ 遇到问题先查官方安装文档，或加入PyTorch 中文社区
