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
2.5.10.20.12.5.1>=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
2.3.10.18.12.3.1>=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）11.0/10.2/10.1
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.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
2.1.00.16.02.1.0>=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 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

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/pingmian/63102.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

LearnOpenGL学习（高级OpenGL -- 深度测试，模板测试，）

LearnOpenGL学习（高级OpenGL -- 深度测试，模板测试，）

深度测试 深度缓冲用来防止被阻挡的面渲染到其他面的前面&#xff0c;深度缓冲就像颜色缓冲&#xff0c;在每个片段中储存了信息&#xff0c; 当深度测试(Depth Testing)被启用的时候&#xff0c;OpenGL会将一个片段的深度值与深度缓冲的内容进行对比。OpenGL会执行一个深度测…
阅读更多...
Java 反射：强大而灵活的魔法工具

Java 反射：强大而灵活的魔法工具

一、什么是 Java 反射 Java 反射机制是在运行状态中&#xff0c;对于任意一个类&#xff0c;都能够知道这个类的所有属性和方法&#xff1b;对于任意一个对象&#xff0c;都能够调用它的任意一个方法和属性。反射的本质是得到 Class 对象后&#xff0c;反向获取 Class 对象的各…
阅读更多...
3大模块助力学生会视频自动评审系统升级

3大模块助力学生会视频自动评审系统升级

一、项目背景 传统的学生会视频作品或电子申请材料评审由老师线下逐一面审完成。面对大量学生提交的作品&#xff0c;评审效率低、耗时长&#xff0c;且主观性较强。为此&#xff0c;客户希望开发一个基于AI的线上自动面审系统&#xff0c;从语法正确性、演讲流利度和发音准确…
阅读更多...
8. 一分钟读懂“代理模式”

8. 一分钟读懂“代理模式”

8.1 模式介绍 代理模式是一种结构型设计模式&#xff0c;它通过提供一个代理对象来替代对另一个对象&#xff08;真实对象&#xff09;的访问。代理对象与真实对象实现相同的接口&#xff0c;并通过代理类对真实对象的访问进行控制&#xff0c;可以在调用前后执行附加操作&…
阅读更多...
怎么自己创建一个网站? 开发语言首选 java，使用CMS网站内容管理系统是不错的选择

怎么自己创建一个网站? 开发语言首选 java，使用CMS网站内容管理系统是不错的选择

怎么自己创建一个网站 推荐使用 Java CMS 网站内容管理系统&#xff0c;根据网站规划的功能模块&#xff0c;创建不同的页面风格&#xff1b; 文章目录 怎么自己创建一个网站一、规划网站1.1确定网站主题和目的1.2规划网站结构和内容 二、注册域名2.1选择域名注册商2.2 查找并…
阅读更多...
[HCTF 2018]WarmUp-滑稽

[HCTF 2018]WarmUp-滑稽

启动场景打开链接&#xff0c;出现一下图片 F12查看代码出现一个注释&#xff0c;应该在这个文件中&#xff0c; 进入到该页面&#xff0c;出现一段代码 <?phphighlight_file(__FILE__);class emmm{public static function checkFile(&$page){$whitelist ["sourc…
阅读更多...
Web3的技术栈详解：解读区块链、智能合约与分布式存储

Web3的技术栈详解：解读区块链、智能合约与分布式存储

随着数字时代的不断发展&#xff0c;Web3作为下一代互联网的核心理念逐渐走进了大众视野。它承载着去中心化、用户主权以及更高效、更安全的网络环境的期望。Web3不再是由少数中心化机构主导的网络&#xff0c;而是通过一系列核心技术的支撑&#xff0c;给每个用户赋予了更多的…
阅读更多...
碳金融衍生品：推动绿色金融与减排目标的创新工具

碳金融衍生品：推动绿色金融与减排目标的创新工具

推动绿色金融与减排目标的创新工具 随着全球气候变化问题日益严峻&#xff0c;碳排放交易市场逐渐成为减少温室气体排放的重要手段。为了应对气候变化&#xff0c;越来越多的国家和地区推出了碳交易制度&#xff0c;并推动了碳金融衍生品的诞生。这些衍生品作为碳市场的重要组成…
阅读更多...
【优选算法篇】寻找隐藏的宝藏：用二分查找打开算法世界的大门（上篇）

【优选算法篇】寻找隐藏的宝藏：用二分查找打开算法世界的大门（上篇）

文章目录 须知 &#x1f4ac; 欢迎讨论&#xff1a;如果你在学习过程中有任何问题或想法&#xff0c;欢迎在评论区留言&#xff0c;我们一起交流学习。你的支持是我继续创作的动力&#xff01; &#x1f44d; 点赞、收藏与分享&#xff1a;觉得这篇文章对你有帮助吗&#xff1…
阅读更多...
通信综合—8.通信网络安全

通信综合—8.通信网络安全

一、信息系统安全概述 1.信息系统的构成和分类 信息系统是将用于收集、处理、存储和传播信息的部件组织在一起而成的相关联的整体&#xff0c;般是由计算机硬件、网络和通信设备、计算机软件、信息资源和信息用户组成。它是以处理信息流为目的的人机一体化系统。信息系统主要…
阅读更多...
css实现圆周运动效果

css实现圆周运动效果

在CSS中可以通过 keyframes 动画 和 transform 属性实现元素的圆周运动。以下是一个示例代码&#xff1a; 示例代码 <!DOCTYPE html> <html lang"en"> <head> <meta charset"UTF-8"> <meta name"viewport" content…
阅读更多...
四、自然语言处理_02RNN基础知识笔记

四、自然语言处理_02RNN基础知识笔记

1、RNN的定义 RNN&#xff08;Recurrent Neural Network&#xff0c;循环神经网络&#xff09;是一种专门用于处理序列数据的神经网络架构&#xff0c;它与传统的前馈神经网络&#xff08;Feedforward Neural Network&#xff09;不同&#xff0c;主要区别在于它能够处理输入数…
阅读更多...
高性能MySQL-优化服务器设置

高性能MySQL-优化服务器设置

优化服务器设置 1、MySQL的配置是如何工作的1.1 MySQL配置文件1.2 语法、作用于和动态性1.3 设置变量的副作用 2、不可取的调整参数方法3、配置内存使用3.1 每个连接的内存需求3.2 为操作系统保留内存3.3 InnoDB缓冲池3.4 线程缓存3.4.1 MySQL线程池相关配置参数3.4.2 MySQL线程…
阅读更多...
Ubuntu 22.04.5 + kubeadm：Kubernetes v1.28.2集群部署企业实战

Ubuntu 22.04.5 + kubeadm：Kubernetes v1.28.2集群部署企业实战

文章目录 Ubuntu 22.04.5 kubeadm&#xff1a;Kubernetes v1.28.2集群部署企业实战一、环境准备1.1 机器规划1.2 环境配置1.2.1 设置主机名1.2.2 安装依赖工具1.2.3 配置时间同步1.2.4 关闭swap分区1.2.5 停止和禁用防火墙1.2.6 配置内核转发及网桥过滤1.2.7 安装配置ipset及i…
阅读更多...
【ElasticSearch】倒排索引与ik分词器

【ElasticSearch】倒排索引与ik分词器

ElasticSearch&#xff0c;简称ES(后文将直接使用这一简称)&#xff0c;是一款卓越的开源分布式搜索引擎。其独特之处在于其近乎实时的数据检索能力&#xff0c;为用户提供了迅速、高效的信息查询体验。 它能够解决全文检索&#xff0c;模糊查询、数据分析等问题。那么它的搜索…
阅读更多...
SpringCloud框架学习（第七部分：分布式事务Seata）

SpringCloud框架学习（第七部分：分布式事务Seata）

目录 十五、SpringCloud Alibaba Seata处理分布式事务 1.分布式事务背景 2.Seata简介 &#xff08;1&#xff09;介绍 &#xff08;2&#xff09;工作流程 &#xff08;3&#xff09;各事务模式 &#xff08;4&#xff09;下载安装 3.Seata案例实战-数据库和表准备 …
阅读更多...
python打包深度学习虚拟环境

python打包深度学习虚拟环境

今天师兄让我把环境打包发给他&#xff0c;我才知道可以直接打包深度学习虚拟环境&#xff0c;这样另一个人就不用辛辛苦苦的去装环境了&#xff0c;我们都知道有些论文他需要的环境很难装上。比如装Apex&#xff0c;装 DCN&#xff0c;mmcv-full 我现在把3090机子上的ppft虚拟…
阅读更多...
基于MobileNet深度学习网络的MQAM调制类型识别matlab仿真

基于MobileNet深度学习网络的MQAM调制类型识别matlab仿真

目录 1.算法运行效果图预览 2.算法运行软件版本 3.部分核心程序 4.算法理论概述 5.算法完整程序工程 1.算法运行效果图预览 (完整程序运行后无水印) 2.算法运行软件版本 matlab2022a 3.部分核心程序 &#xff08;完整版代码包含详细中文注释和操作步骤视频&#xff09…
阅读更多...
＜工具 Claude Desktop＞ 配置 MCP server 连接本地 SQLite， 本机文件夹(目录) 网络驱动器 Windows 11 系统

＜工具 Claude Desktop＞ 配置 MCP server 连接本地 SQLite， 本机文件夹(目录) 网络驱动器 Windows 11 系统

也是在学习中... 起因&#xff1a; 抖音博客 艾克AI分享 他的视频 #143《Claude开源MCP彻底打破AI的信息孤岛》 提到: Claude开源的MCP太强了&#xff0c;视频后面是快速演示&#xff0c;反正看了好几遍也没弄明白。菜单都不一样&#xff0c;感觉用的不是同一家 Claude. 探…
阅读更多...
（78）MPSK基带调制通信系统瑞利平坦衰落信道传输性能的MATLAB仿真

（78）MPSK基带调制通信系统瑞利平坦衰落信道传输性能的MATLAB仿真

文章目录 前言一、MATLAB仿真1.仿真代码2.仿真结果 二、子函数与完整代码总结 前言 本文给出瑞利平坦衰落信道上的M-PSK通信系统性能仿真的MATLAB源代码与仿真结果。其中&#xff0c;调制方式M-PSK包括BPSK、QPSK、8-PSK、16-PSK、32-PSK等方式。 一、MATLAB仿真 1.仿真代码 …
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023