深度学习 | pytorch + torchvision + python 版本对应及环境安装
Hi，大家好，我是半亩花海。要让一个基于 torch 框架开发的深度学习模型正确运行起来，配置环境是个重要的问题，本文介绍了 pytorch、torchvision、torchaudio 及 python 的对应版本以及环境安装的相关流程。
目录
一、版本对应
二、安装命令（pip）
1. 版本
（1）v2.5.1 ~ v2.0.0
（2）v1.13.1 ~ v1.11.0
（3）v1.10.1 ~ v1.7.0
2. 安装全过程
（1）选择版本
（2）安装结果
参考文章
一、版本对应
下表来自 pytorch 的 github 官方文档：pytorch/vision: Datasets, Transforms and Models specific to Computer Vision
- pytorch 安装官网：Start Locally | PyTorch
- pytorch 之前版本的安装命令：Previous PyTorch Versions | PyTorch
- torch、torchvision 等相关库：download.pytorch.org/whl/torch_stable.html
其中，命令中 "-c pytorch" 表示官方源，自己换源可以去掉。
| torch 版本 | torchvision 版本 | torchaudio 版本 | 支持的 Python 版本（示例） | Cuda 版本 |
|---|---|---|---|---|
| 2.5.1 | 0.20.1 | 2.5.1 | >=3.9, <3.13（3.12）[9/10/11/12] | 12.4/12.1/11.8 |
| 2.5.0 | 0.20.0 | 2.5.0 | >=3.9, <3.13（3.12） | 12.4/12.1/11.8 |
| 2.4.1 | 0.19.1 | 2.4.1 | >=3.8, <3.13（3.12）[8/9/10/11/12] | 12.4/12.1/11.8 |
| 2.4.0 | 0.19.0 | 2.4.0 | >=3.8, <3.13（3.12） | 12.4/12.1/11.8 |
| 2.3.1 | 0.18.1 | 2.3.1 | >=3.8, <3.13（3.12）8/9/10/11/12 | 12.1/11.8 |
| 2.3.0 | 0.18.0 | 2.3.0 | >=3.8, <3.13（3.12） | 12.1/11.8 |
| 2.2.2 | 0.17.2 | 2.2.2 | >=3.8, <3.12 [8/9/10/11] | 12.1/11.8 |
| 2.2.1 | 0.17.1 | 2.2.1 | >=3.8, <3.12 | 12.1/11.8 |
| 2.2.0 | 0.17.0 | 2.2.0 | >=3.8, <3.12 | 12.1/11.8 |
| 2.1.2 | 0.16.2 | 2.1.2 | >=3.8, <3.12（3.10）8/9/10/11 | 12.1/11.8 |
| 2.1.1 | 0.16.1 | 2.1.1 | >=3.8, <3.12（3.10） | 12.1/11.8 |
| 2.1.0 | 0.16.0 | 2.1.0 | >=3.8, <3.12（3.10） | 12.1/11.8 |
| 2.0.0 | 0.15.0 | 2.0.0 | >=3.8, <3.12（3.8）[8/9/10/11] | 11.8/11.7 |
| 1.13.1 | 0.14.1 | 0.13.1 | >=3.7.2, <=3.10（3.8）[7/8/9/10] | 11.7/11.6 |
| 1.13.0 | 0.14.0 | 0.13.0 | >=3.7.2, <=3.10（3.8） | 11.7/11.6 |
| 1.12.1 | 0.13.1 | 1.12.1 | >=3.7, <=3.10（3.8）[7/8/9/10] | 11.6/11.3/10.2 |
| 1.12.0 | 0.13.0 | 1.12.0 | >=3.7, <=3.10（3.8） | 11.6/11.3/10.2 |
| 1.11.0 | 0.12.0 | 1.11.0 | >=3.7, <=3.10（3.8） | 11.3/10.2 |
| 1.10.1 | 0.11.2 | 0.10.1 | >=3.6, <=3.9（3.8）[6/7/8/9] | 11.3/10.2 |
| 1.10.0 | 0.11.0 | 0.10.0 | >=3.6, <=3.9（3.8） | 11.3/10.2 |
| 1.9.1 | 0.10.1 | 0.9.1 | >=3.6, <=3.9（3.8）[6/7/8/9] | 11.1/10.2 |
| 1.9.0 | 0.10.0 | 0.9.0 | >=3.6, <=3.9（3.8） | 11.1/10.2 |
| 1.8.1 | 0.9.1 | 0.8.1 | >=3.6, <=3.9（3.8）[6/7/8/9] | 11.1/10.2 |
| 1.8.0 | 0.9.0 | 0.8.0 | >=3.6, <=3.9（3.8） | 11.1/10.2 |
| 1.7.1 | 0.8.2 | 0.7.2 | >=3.6（3.6） | 11.0/10.2/10.1 |
| 1.7.0 | 0.8.0 | 0.7.0 | >=3.6（3.6） | 11.0/10.2/10.1 |
二、安装命令（pip）
1. 版本
（1）v2.5.1 ~ v2.0.0
# v2.5.1
# CUDA 12.4
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124 -i https://pypi.tuna.tsinghua.edu.cn/simple/
# CPU only
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/（2）v1.13.1 ~ v1.11.0
# v1.13.1
# CUDA 11.7
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117 -i https://pypi.tuna.tsinghua.edu.cn/simple/
# CPU only
pip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/（3）v1.10.1 ~ v1.7.0
# v1.10.1
# CUDA 10.2
pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/
# CPU only
pip install torch==1.10.1+cpu torchvision==0.11.2+cpu torchaudio==0.10.1 -f https://download.pytorch.org/whl/cpu/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/
2. 安装全过程
（1）选择版本
| torch 版本 | torchvision 版本 | torchaudio 版本 | 支持的 Python 版本（示例） | Cuda 版本 |
|---|---|---|---|---|
| 2.1.0 | 0.16.0 | 2.1.0 | >=3.8, <3.12（3.10） | 12.1/11.8 |
这里选择的框架和环境如下：torch2.1.0 | torchvision0.16.0 | torchaudio2.1.0 | python3.10 | Cuda12.1，若需要将创建的虚拟环境添加到 Jupyter Lab / Jupyter Notebook 中使用，则需要第 3-6 步，否则不用。
打开 WIN + R，输入 “cmd”，进入命令行窗口，其他步骤如下：
# 1. Anaconda 创建虚拟环境
conda create -n torch python=3.10
# 2. 激活并进入虚拟环境
activate torch
# 3. 安装 ipykernel
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 4. 安装ipykernel，将虚拟环境加入 jupyter 内核中
python -m ipykernel install --name torch --display-name torch
# 5. 检查新虚拟环境是否成功加入内核
jupyter kernelspec list
# 6. 从指定文件夹里进入 jupyter
jupyter lab
# 7. 安装 torch 等软件包
pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/注意：此时，因为 Numpy 2.x 等其他的相关库 与 Pytorch 2.1.0 的不兼容（以 Numpy 库为例），所以需要将 numpy 库的版本降级至1.x.x（如 1.24.x 或 1.23.x 版本）才能与 Pytorch 2.1.0 是兼容，从而适配以上版本。具体示例步骤如下：
- pip uninstall numpy
- pip install numpy==1.24.3
注意：若在安装途中不小心关闭了命令窗或者发现没有关闭梯子，可先将 Anaconda 的环境中删除未完全安装好的虚拟环境（如在 E:\Anaconda\envs\torch 此目录下），即可重新进行上述安装步骤。
（2）安装结果
3. 命令相关解释
（1）-i / --index-url
第一条命令：pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/
--index-url https://download.pytorch.org/whl/cpu：这个参数指定了主要的包索引源 URL，即使用https://download.pytorch.org/whl/cpu作为 PyTorch 相关库的包来源。这是 PyTorch 官方的 CPU 版本的二进制文件源。-i https://pypi.tuna.tsinghua.edu.cn/simple/：这个参数指定了镜像源，指向清华大学的 PyPI 镜像源，以加速从 PyPI 安装包的速度。- 当同时使用
--index-url和-i时，--index-url会设置 主索引源（比如官方 PyTorch 或其他自定义源），而-i用来指定 一个额外的索引源 / 备用源（如清华镜像）。此时，pip会先从--index-url指定的源查找包，如果找不到，才会去-i指定的额外源查找。
（2）--extra-index-url
第二条命令：pip install torch==1.13.1+cpu torchvision==0.14.1+cpu torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cpu -i https://pypi.tuna.tsinghua.edu.cn/simple/
--extra-index-url https://download.pytorch.org/whl/cpu：这个参数指定了额外的索引源 URL。与--index-url不同，--extra-index-url只是添加额外的索引源，而不是替换原有源。此处指定的是 PyTorch 官方 CPU 版本的源。-i https://pypi.tuna.tsinghua.edu.cn/simple/：同样指定了 PyPI 镜像源，指向清华大学的 PyPI 镜像源。
（3）-f / --find-links
第三条命令：pip install torch==1.10.1+cpu torchvision==0.11.2+cpu torchaudio==0.10.1 -f https://download.pytorch.org/whl/cpu/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple/
-f https://download.pytorch.org/whl/cpu/torch_stable.html：这个参数用于指定一个包的 URL 文件列表（一个.html或.xml文件），其中列出了稳定版本的 PyTorch 安装包。-i https://pypi.tuna.tsinghua.edu.cn/simple/：同样指定了 PyPI 镜像源，指向清华大学的 PyPI 镜像源。
参考文章
[1] pytorch，torchvision与python版本对应关系及安装命令_pytorch python版本-CSDN博客
[2] Python安装torch（含torch和torchvision对应版本）-CSDN博客