PyTorch 2025保姆级安装教程（Python CPU+GPU详细完整版）

前言

PyTorch作为当前最流行的深度学习框架之一，因其动态计算图和易用性受到广大研究者和开发者的喜爱。本文将详细介绍在2025年最新环境下PyTorch的安装方法，涵盖CPU和GPU版本的完整安装流程。

一、安装前准备

1. 检查Python版本

PyTorch 2025版本要求Python 3.9及以上版本，推荐使用Python 3.10或3.11。可以通过以下命令检查Python版本：

python --version
# 或
python3 --version

如果版本不符合要求，可以从Python官网下载最新版本。

2. 推荐使用虚拟环境

为避免包冲突，强烈建议使用虚拟环境。以下是创建虚拟环境的方法：

# 使用venv（Python内置）
python -m venv pytorch_env
source pytorch_env/bin/activate  # Linux/Mac
pytorch_env\Scripts\activate     # Windows# 或者使用conda（如果你安装了Anaconda）
conda create -n pytorch_env python=3.11
conda activate pytorch_env

二、CPU版本安装

1. 基础安装

对于只需要CPU计算的用户，安装非常简单：

pip install torch torchvision torchaudio

2. 验证安装

安装完成后，可以通过以下Python代码验证：

import torchprint(f"PyTorch版本: {torch.__version__}")
print(f"是否可用: {torch.cuda.is_available()}")  # 应该返回False
x = torch.rand(5, 3)
print(x)

三、GPU版本安装

GPU版本可以大幅加速深度学习训练过程，但安装过程稍复杂。

1. 检查显卡和驱动

首先确认你的显卡是否支持CUDA：

nvidia-smi  # 查看NVIDIA显卡信息

确保你的NVIDIA驱动是最新的（2025年推荐驱动版本≥535.00）。

2. 安装CUDA Toolkit

PyTorch 2025.x版本对应CUDA 12.1或12.2：

# Windows/Linux用户可以从NVIDIA官网下载安装包
# https://developer.nvidia.com/cuda-downloads# Ubuntu用户可以使用以下命令
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/3bf863cc.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/ /"
sudo apt-get update
sudo apt-get -y install cuda-12-2

安装完成后，添加环境变量（以bash为例）：

export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

3. 安装cuDNN

从NVIDIA cuDNN官网下载对应版本（与CUDA版本匹配），按照官方文档安装。

4. 安装PyTorch GPU版本

根据你的CUDA版本选择安装命令：

# CUDA 12.1
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121# CUDA 12.2
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu122# CUDA 12.1
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121# CUDA 12.2
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu122# CUDA 12.1
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121# CUDA 12.2
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu122

5. 验证GPU支持

import torchprint(f"PyTorch版本: {torch.__version__}")
print(f"CUDA是否可用: {torch.cuda.is_available()}")
print(f"当前设备: {torch.cuda.current_device()}")
print(f"设备名称: {torch.cuda.get_device_name(0)}")
print(f"CUDA版本: {torch.version.cuda}")

四、常见问题解决

1. 版本冲突问题

如果遇到版本冲突，可以尝试：

pip install --upgrade --force-reinstall torch torchvision torchaudio

2. 离线安装

对于无法联网的环境，可以从PyTorch官网下载对应版本的whl文件进行离线安装。

3. 其他平台支持

• Mac M1/M2芯片：使用Metal加速

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

  验证Metal支持：

  print(torch.backends.mps.is_available())  # 应该返回True

• ROCm（AMD显卡）：参考AMD官方文档安装ROCm后再安装PyTorch

五、IDE配置建议

1. VS Code配置

安装Python扩展和Pylance，确保能够正确识别PyTorch的自动补全。

2. PyCharm配置

在项目设置中确保选择了正确的Python解释器（你的虚拟环境）。

六、总结

2025年PyTorch的安装过程已经相当简化，特别是对于CPU版本。GPU版本虽然需要额外安装CUDA和cuDNN，但官方文档和社区支持已经非常完善。安装完成后，你就可以开始愉快的深度学习之旅了！

如果有任何安装问题，可以参考PyTorch官方论坛或相关社区寻求帮助。