pytorch安装加速

PyTorch 安装加速

在国内安装 PyTorch 时，默认从 `pypi.org` 或 `download.pytorch.org` 拉取依赖，往往会遇到下载慢、频繁超时、中途断流的问题。尤其是带 CUDA 的 `torch` 轮子体积可达 2GB 以上，网络抖动一次就要重来。本文总结几种可落地的加速方法，按使用场景给出配置。

一、先明确要装哪个版本

安装前先确定两件事，避免下错包再重下：

• 是否有 NVIDIA GPU：有 GPU 装 CUDA 版，无 GPU 装 CPU 版（体积小很多，速度更快）。
• CUDA 驱动版本：用 `nvidia-smi` 查看驱动支持的 CUDA 上限，再选择不高于该上限的 PyTorch CUDA 构建（如 `cu118`、`cu121`、`cu124`）。

可通过系统命令确认： bash nvidia-smi # 查看驱动与支持的 CUDA 版本 python -V # 确认 Python 版本，需与轮子匹配 pip -V # 确认 pip 版本

二、方法一：配置 pip 国内镜像源

这是最通用的加速方式。PyTorch 官方轮子已发布到 PyPI，因此配置一个国内 PyPI 镜像即可显著提速。

临时使用（单次安装）： bash pip install torch torchvision torchaudio \ -i https://pypi.tuna.tsinghua.edu.cn/simple 永久配置： bash pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple 常用镜像源（任选其一）：

配置后可用 `pip config list` 检查是否生效。

三、方法二：指定 PyTorch 官方索引

需要特定 CUDA 构建时，PyTorch 官方提供独立索引，用 `--index-url` 指定： bash

CUDA 12.1

pip install torch torchvision torchaudio \ --index-url https://download.pytorch.org/whl/cu121

CPU 版本

pip install torch torchvision torchaudio \ --index-url https://download.pytorch.org/whl/cpu 由于官方索引在国内访问较慢，可以把官方索引与国内镜像结合：先用国内镜像装通用依赖，再单独指定官方索引装 CUDA 轮子。也可以为官方源叠加镜像加速（部分镜像站提供 PyTorch 轮子的同步）。

四、方法三：Conda 用户

Conda 场景同样建议换源。编辑 `~/.condarc`： 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

custom_channels: pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud 然后： bash conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia 需要注意镜像站对 `pytorch` / `nvidia` 频道的同步可能滞后，若版本缺失，回退到官方源或改用 pip 安装。

五、方法四：使用更快的下载工具

• uv：Rust 编写的 Python 包管理器，下载与安装速度通常明显快于 pip，支持缓存与并发：

bash pip install uv uv pip install torch torchvision torchaudio \ --index-url https://pypi.tuna.tsinghua.edu.cn/simple

• pip download + 离线安装：先在一台网络好的机器下载轮子，再拷贝到目标机：

bash pip download torch torchvision torchaudio -d ./wheels pip install --no-index --find-links=./wheels torch torchvision torchaudio 这种方式适合内网、多台机器批量部署的场景。

六、方法五：调整 pip 超时与重试

网络不稳定时，适当放宽超时并允许重试，能减少因断流导致的整体失败： bash pip install torch --default-timeout=120 --retries 5 同时建议确认 pip 已升级到较新版本，新版本在依赖解析和并发下载上更高效： bash python -m pip install -U pip

七、安装后验证

安装完成后务必验证，避免装成 CPU 版或 CUDA 不可用： bash python -c "import torch; print(torch.version)" python -c "import torch; print(torch.cuda.is_available())" python -c "import torch; print(torch.version.cuda)"

• `torch.cuda.is_available()` 返回 `True` 表示 GPU 可用。
• 若返回 `False`，检查是否误装 CPU 版、驱动是否正常、CUDA 版本是否匹配。

八、常见问题排查