在Conda环境中安装Pytorch的.whl包教程

在 Conda 环境中安装 PyTorch 的 .whl 包教程

​ 本教程将指导你在 Conda 环境中通过手动下载和安装 PyTorch 的 .whl 文件来安装 PyTorch。这种方法适用于无法直接通过 conda install 或 pip install 获取 PyTorch 的场景（如离线环境或特定版本需求）。

whl链接汇总：

torch

torchvision

一、前提条件

• 已安装 Anaconda 或 Miniconda。
• 了解你的系统环境，包括：
  • 操作系统（Windows、Linux 或 macOS）
  • Python 版本（例如 3.8、3.9 等）
  • 是否需要 GPU 支持（需要 CUDA 和 cuDNN 版本匹配）
• 确保有足够的磁盘空间存储 .whl 文件和安装后的 PyTorch。

二、安装torch

1. 创建或激活 Conda 环境

首先，创建一个新的 Conda 环境或激活已有的环境，以确保 PyTorch 安装在一个隔离的环境中。

# 创建一个新环境（例如 Python 3.9）
conda create -n pytorch_env python=3.9

# 激活环境
conda activate pytorch_env

2. 确定所需的 PyTorch 版本

访问 PyTorch 官方网站（https://pytorch.org) PyTorch 的历史版本页面（https://pytorch.org/get-started/previous-versions/）查找适合你的系统配置的 .whl 文件。需要确认以下信息：

• PyTorch 版本（例如 2.0.1、1.13.1 等）
• Python 版本（例如 cp39 表示 Python 3.9）
• 操作系统（例如 linux_x86_64、win_amd64、macosx_10_9_x86_64 等）
• CUDA 版本（如果需要 GPU 支持，例如 cu118 表示 CUDA 11.8；若无 GPU，选择 cpu）

例如：

• CPU 版本：torch-2.0.1-cp39-cp39-linux_x86_64.whl
• GPU 版本（CUDA 11.8）：torch-2.0.1+cu118-cp39-cp39-linux_x86_64.whl

3. 下载 .whl 文件

从 PyTorch 官方提供的下载链接或历史版本页面下载对应的 .whl 文件。例如：

• 打开 https://download.pytorch.org/whl/torch/
• 根据你的系统和需求选择合适的 .whl 文件，下载到本地（例如 ~/Downloads/torch-2.0.1-cp39-cp39-linux_x86_64.whl）。

注意：如果需要其他依赖（如 torchvision 或 torchaudio），也需要下载对应的 .whl 文件，并确保版本兼容。

4. 安装 .whl 文件

在激活的 Conda 环境中，使用 pip 安装下载的 .whl 文件。

# 确保已激活 Conda 环境
conda activate pytorch_env

# 使用 pip 安装 .whl 文件（替换为你的文件路径）
pip install ~/Downloads/torch-2.0.1-cp39-cp39-linux_x86_64.whl

提示：如果需要安装多个 .whl 文件（例如 torchvision），按依赖顺序逐个安装：

pip install ~/Downloads/torchvision-0.15.2-cp39-cp39-linux_x86_64.whl

5. 验证安装

安装完成后，验证 PyTorch 是否正确安装并可用。

# 进入 Python 解释器
python

# 输入以下代码
import torch
print(torch.__version__)  # 输出 PyTorch 版本
print(torch.cuda.is_available())  # 检查是否支持 GPU（返回 True 表示可用）

示例输出：

2.0.1
True  # 如果支持 GPU

6. 解决常见问题

• 版本不匹配：确保 Python 版本、CUDA 版本和 .whl 文件匹配。例如，cp39 对应 Python 3.9，cu118 对应 CUDA 11.8。

• 缺少依赖

  ：PyTorch 可能需要其他依赖（如

  numpy
  

  ）。如果报错，尝试安装：

  pip install numpy
  

• GPU 支持问题：如果 torch.cuda.is_available() 返回 False，检查 CUDA 和 cuDNN 是否正确安装，或者确认是否下载了 CPU 版本的 .whl 文件。

• 离线安装：如果在离线环境中，确保所有依赖的 .whl 文件都已下载并按顺序安装。

7. （可选）安装其他 PyTorch 生态库

如果你需要 torchvision、torchaudio 或其他相关库，重复步骤 3 和 4，下载并安装对应的 .whl 文件。例如：

pip install ~/Downloads/torchvision-0.15.2-cp39-cp39-linux_x86_64.whl

三、安装torch 的对应 torchvision 版本

1.访问 PyTorch 官网：

• 打开浏览器，访问 PyTorch 官方安装页面：https://pytorch.org/get-started/locally/

2.使用“Get Started”安装向导：

• 在页面上，你会看到一个交互式的安装命令生成器，标题为“Start Locally”。
• 根据你的系统配置选择以下选项：
  • PyTorch Build：选择 Stable（稳定版）或 Preview (Nightly)（预览版）。
  • Your OS：选择你的操作系统（例如 Linux、Windows、MacOS）。
  • Package：选择包管理器（例如 pip 或 conda）。
  • Language：选择 Python 版本（你的环境是 Python 3.10）。
  • Compute Platform：选择计算平台（例如 CUDA 12.1，与你的 torch==2.5.1+cu121 匹配，或 CPU）。

3.查看生成的安装命令：

• 选择完选项后，页面会生成一个安装命令，例如：

  pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu121
  

• 这个命令会明确列出与 torch==2.5.1 兼容的 torchvision 版本（例如 torchvision==0.20.1）。

4.确认 torch 和 torchvision 版本对应关系：

• 根据你的 environment.yml 文件，torch==2.5.1+cu121 已经安装。官网显示 torch==2.5.1 对应的 torchvision 版本是 0.20.1（与 CUDA 12.1 兼容）。https://pytorch.org/get-started/previous-versions/
• 如果你选择了不同的 CUDA 版本或其他平台（如 CPU），官网会列出相应的 torchvision 版本。

5.查看历史版本（可选）：

• 如果需要查找其他 torch 版本的对应 torchvision 版本，滚动到页面底部的“Previous PyTorch Versions”部分。

• 点击链接（例如 https://pytorch.org/get-started/previous-versions/），会列出历史版本的安装命令，明确显示每个 torch 版本对应的 torchvision 版本。例如：

  # CUDA 12.1
  pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu121
  

6.直接访问 torchvision GitHub（高级用户）：

• 如果官网信息不够详细，可以访问 torchvision 的 GitHub 仓库：https://github.com/pytorch/vision
• 在 README 或 RELEASE.md 文件中，会有版本兼容性表格，列出 torch 和 torchvision 的对应关系。
• 例如，vision/RELEASE.md 可能提到 torch==2.5.1 对应 torchvision==0.20.1。

四、验证安装

• environment.yml 显示 torch==2.5.1+cu121，Python 3.10，CUDA 12.1。

• 根据 PyTorch 官网，torch==2.5.1+cu121 对应的 torchvision 版本是 0.20.1+cu121。

• 安装命令：

  pip install torchvision==0.20.1 --index-url https://download.pytorch.org/whl/cu121
  

安装 torchvision==0.20.1 后，运行以下代码确认：

import torch
import torchvision
print(torch.__version__)  # 应输出 2.5.1+cu121
print(torchvision.__version__)  # 应输出 0.20.1+cu121

五、注意事项

• Conda 与 pip 混合使用：在 Conda 环境中使用 pip 安装 .whl 文件是安全的，但避免在同一环境中混用 conda install 和 pip install 安装 PyTorch，以免出现依赖冲突。

• 存储空间：PyTorch 的 .whl 文件和安装后的库可能占用较大空间（GPU 版本可能超过 1GB）。

• 网络问题：如果无法访问 PyTorch 官网，可尝试从镜像源（如 https://mirrors.tuna.tsinghua.edu.cn/pytorch/）下载 .whl 文件。

• CUDA 匹配：确保 torchvision 的 CUDA 版本（+cu121）与 torch 一致，否则可能导致不兼容。

• PyPI 索引：使用 --index-url https://download.pytorch.org/whl/cu121 确保从 PyTorch 官方索引下载，普通 PyPI 可能缺少 CUDA 版本。

• Python 版本： Python 3.10 与 torch==2.5.1 和 torchvision==0.20.1 兼容，无需调整。