pytorch+torchvision+python版本对应及环境安装

2025-03-16 13:50
文章标签 python 安装 环境 版本 pytorch 对应 torchvision

本文主要是介绍pytorch+torchvision+python版本对应及环境安装，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

《pytorch+torchvision+python版本对应及环境安装》本文主要介绍了pytorch+torchvision+python版本对应及环境安装,安装过程中需要注意Numpy版本的降级,...

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
2.5.10.20.12.5.1>=3.9, <3.13（3.12）[9/10/11/12]12.4/12.1/11.8
2.5.00.20.02.5.0>=3.9, <3.13（3.12）12.4/12.1/11.8
2.4.10.19.12.4.1>=3.8, <3.13（3.12）[8/9/10/11/12]12.4/12.1/11.8
2.4.00.19.02.4.0>=3.8, <3.13（3.12）12.4/12.1/11.8
2.3.10.1javascript8.12.3.1>=3.8, <3.13（3.12）8/9/10/11/1212.1/11.8
2.3.00.18.02.3.0>=3.8, <3.13（3.12）12.1/11.8
2.2.20.17.22.2.2>=3.8, <3.12 [8/9/10/11]12.1/11.8
2.2.10.17.12.2.1>=3.8, <3.1212.1/11.8
2.2.00.17.02.2.0>=3.8, <3.1212.1/11.8
2.1.20.16.22.1.2>=3.8, <3.12（3.10）8/9/10/1112.1/11.8
2.1.10.16.12.1.1>=3.8, <3.12（3.10）12.1/11.8
2.1.00.16.02.1.0>=3.8, <3.12（3.10）12.1/11.8
2.0.00.15.02.0.0>=3.8, <3.12（3.8）[8/9/10/11]11.8/11.7
1.13.10.14.10.13.1>=3.7.2, <=3.10（3.8）[7/8/9/10]11.7/11.6
1.13.00.14.00.13.0>=3.7.2, <=3.10（3.8）11.7/11.6
1.12.10.13.11.12.1>=3.7, <=3.10（3.8）[7/8/9/10]11.6/11.3/10.2
1.12.00.13.01.12.0>=3.7, <=3.10（3.8）11.6/11.3/10.2
1.11.00.12.01.11.0>=3.7, <=3.10（3.8）11.3/10.2
1.10.10.11.20.10.1>=3.6, <=3.9（3.8）[6/7/8/9]11.3/10.2
1.10.00.11.00.10.0>=3.6, <=3.9（3.8）11.3/10.2
1.9.10.10.10.9.1>=3.6, <=3.9（3.8）[6/7/8/9]11.1/10.2
1.9.00.10.00.9.0>=3.6, <=3.9（3.8）11.1/10.2
1.8.10.9.10.8.1>=3.6, <=3.9（3.8）[6/7/8/9]11.1/10.2
1.8.00.9.00.8.0>=3.6, <=3.9（3.8）11.1/10.2
1.7.10.8.20.7.2>=3.6（3.6）11.0/10.2/10China编程.1
1.7.00.8.00.7.0>=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.AiUhbqtuna.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
2.1.00.16.02.1.0>=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&nbjssp;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

pytorch+torchvision+python版本对应及环境安装

pytorch+torchvision+python版本对应及环境安装

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，torcChina编程hvision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

到此这篇关于pytorch+torchvision+python版本对应及环境安装的文章就介绍到这了,更多相关pytorch torchvision python版本对应内容请搜索编程China编程(www.chinasem.cn)以前的文章或继续浏览下面的相关文章希望大家以后多多支持China编程(www.chinasem.cn)！

这篇关于pytorch+torchvision+python版本对应及环境安装的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1153776。

相关文章

Python中logging模块用法示例总结

Python中logging模块用法示例总结

《Python中logging模块用法示例总结》在Python中logging模块是一个强大的日志记录工具,它允许用户将程序运行期间产生的日志信息输出到控制台或者写入到文件中,：本文主要介绍Pyt... 目录前言一. 基本使用1. 五种日志等级2.  设置报告等级3. 自定义格式4. C语言风格的格式化方法
阅读更多...
Python实现精确小数计算的完全指南

Python实现精确小数计算的完全指南

《Python实现精确小数计算的完全指南》在金融计算、科学实验和工程领域,浮点数精度问题一直是开发者面临的重大挑战,本文将深入解析Python精确小数计算技术体系,感兴趣的小伙伴可以了解一下... 目录引言：小数精度问题的核心挑战一、浮点数精度问题分析1.1 浮点数精度陷阱1.2 浮点数误差来源二、基础解决
阅读更多...
SpringBoot 多环境开发实战(从配置、管理与控制)

SpringBoot 多环境开发实战(从配置、管理与控制)

《SpringBoot多环境开发实战(从配置、管理与控制)》本文详解SpringBoot多环境配置,涵盖单文件YAML、多文件模式、MavenProfile分组及激活策略,通过优先级控制灵活切换环境... 目录一、多环境开发基础（单文件 YAML 版）（一）配置原理与优势（二）实操示例二、多环境开发多文件版
阅读更多...
使用docker搭建嵌入式Linux开发环境

使用docker搭建嵌入式Linux开发环境

《使用docker搭建嵌入式Linux开发环境》本文主要介绍了使用docker搭建嵌入式Linux开发环境,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面... 目录1、前言2、安装docker3、编写容器管理脚本4、创建容器1、前言在日常开发全志、rk等不同
阅读更多...
使用Python实现Word文档的自动化对比方案

使用Python实现Word文档的自动化对比方案

《使用Python实现Word文档的自动化对比方案》我们经常需要比较两个Word文档的版本差异,无论是合同修订、论文修改还是代码文档更新,人工比对不仅效率低下,还容易遗漏关键改动,下面通过一个实际案例... 目录引言一、使用python-docx库解析文档结构二、使用difflib进行差异比对三、高级对比方
阅读更多...
深度解析Python中递归下降解析器的原理与实现

深度解析Python中递归下降解析器的原理与实现

《深度解析Python中递归下降解析器的原理与实现》在编译器设计、配置文件处理和数据转换领域,递归下降解析器是最常用且最直观的解析技术,本文将详细介绍递归下降解析器的原理与实现,感兴趣的小伙伴可以跟随... 目录引言：解析器的核心价值一、递归下降解析器基础1.1 核心概念解析1.2 基本架构二、简单算术表达
阅读更多...
从入门到精通详解Python虚拟环境完全指南

从入门到精通详解Python虚拟环境完全指南

《从入门到精通详解Python虚拟环境完全指南》Python虚拟环境是一个独立的Python运行环境,它允许你为不同的项目创建隔离的Python环境,下面小编就来和大家详细介绍一下吧... 目录什么是python虚拟环境一、使用venv创建和管理虚拟环境1.1 创建虚拟环境1.2 激活虚拟环境1.3 验证虚
阅读更多...
详解python pycharm与cmd中制表符不一样

详解python pycharm与cmd中制表符不一样

《详解pythonpycharm与cmd中制表符不一样》本文主要介绍了pythonpycharm与cmd中制表符不一样,这个问题通常是因为PyCharm和命令行（CMD）使用的制表符（tab）的宽... 这个问题通常是因为PyCharm和命令行（CMD）使用的制表符（tab）的宽度不同导致的。在PyChar
阅读更多...
Python中Json和其他类型相互转换的实现示例

Python中Json和其他类型相互转换的实现示例

《Python中Json和其他类型相互转换的实现示例》本文介绍了在Python中使用json模块实现json数据与dict、object之间的高效转换,包括loads(),load(),dumps()... 项目中经常会用到json格式转为object对象、dict字典格式等。在此做个记录，方便后续用到该方
阅读更多...
RabbitMQ 延时队列插件安装与使用示例详解(基于 Delayed Message Plugin)

RabbitMQ 延时队列插件安装与使用示例详解(基于 Delayed Message Plugin)

《RabbitMQ延时队列插件安装与使用示例详解(基于DelayedMessagePlugin)》本文详解RabbitMQ通过安装rabbitmq_delayed_message_exchan... 目录 一、什么是 RabbitMQ 延时队列？ 二、安装前准备✅ RabbitMQ 环境要求 三、安装延时队
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2