手动安装python torch如果pip安装太慢

记录最近在本机安装 nvidia cuda 和 python torch 遇到的一些问题.

cuda toolkit

打开这个地址安装官方 cuda toolkit: https://developer.nvidia.com/cuda-toolkit. 我安装后桌面的 nvidia 程序打不开, 就又更新了 nvidia 驱动程序, 能打开了.

python 版本

当我把 2GB 的 torch 下载完后, 发现项目的一个依赖需要 python 版本介于 3.7 和 3.11, 而我的 python 版本是 3.13. 所以我推荐的 python 版本是python3.10, 应该足以应对大部分情况.

虚拟环境

在你的项目文件夹执行uv venv --python 3.10创建虚拟环境.

安装除torch外的一般依赖时执行 uv pip install xxx1 xxx2 xxx3, 也不用激活虚拟环境. 但是执行代码时需要激活虚拟环境. 如果想使用镜像地址加速, 例如使用清华的镜像, 改为uv pip install xxx1 xxx2 xxx3 -i https://pypi.tuna.tsinghua.edu.cn/simple. 如果要安装requirements.txt的所有依赖, 执行uv pip install -r requirements.txt.

安装 torch

首先你需要打开这个地址: https://pytorch.org/get-started/locally/. 选择你的环境, 它会生成安装代码. 虽然我的 cuda 是 12.8, 但它没有, 我就选了最高的 12.6. 它给我的代码是 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126.

把它拆分成两个, uv pip install torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126, 这个应该没什么问题, 因为这两个包不大. 重点是这个, uv pip install torch --index-url https://download.pytorch.org/whl/cu126, torch 包大小超过 2GB, 你可以试试这代码看看你的速度, 如果速度不行就采用接下来的办法.

网络上有一些使用镜像地址安装torch的办法, 如果你选择的 cuda 版本和 torch 版本比较新的话你会发现镜像无效.

pip install可以从whl文件安装, 所以找到你需要的文件地址通过其他下载工具下载下来, 再安装就块多了. 而且在 cuda 版本相同, python 版本相同的情况下, 多个虚拟环境都可以使用这个下载下来的文件安装.

打开https://pytorch.org/get-started/locally/给你生成的代码里的网址(--index-url). 我的是https://download.pytorch.org/whl/cu126, 找到 torch 并点击打开, 然后有很多文件, 不知道选哪个? 了解一下这些文件的命名规则就可以了. 我选择的是torch-2.6.0+cu126-cp310-cp310-win_amd64.whl. 其中, 2.6.0是 torch 版本, cu126是 cuda 版本即cuda 12.6, cp310是 python 版本即python 3.10, win_amd64是操作系统.

把下载的文件存到项目外, 在项目文件夹执行uv pip install torch文件地址安装 torch.

测试 cuda 和 torch 是否工作

创建check_cuda_torch.py文件.

import torch

def test_pytorch_and_cuda():
    print("PyTorch版本:", torch.__version__)

    # 检查CUDA是否可用
    if torch.cuda.is_available():
        print("CUDA是否可用: 是")
        print("CUDA版本:", torch.version.cuda)
        print("支持的CUDA设备数:", torch.cuda.device_count())

        # 获取当前设备名称
        current_device = torch.cuda.current_device()
        print("当前CUDA设备名称:", torch.cuda.get_device_name(current_device))

        # 测试GPU上的张量运算
        # 创建一个张量并将其移动到GPU
        x = torch.tensor([1.0, 2.0, 3.0], device="cuda")
        y = torch.tensor([4.0, 5.0, 6.0], device="cuda")
        z = x + y
        print("在GPU上计算的结果:", z)
    else:
        print("CUDA是否可用: 否")

if __name__ == "__main__":
    test_pytorch_and_cuda()

执行.venv/Scripts/activate激活虚拟环境, 执行python check_cuda_torch.py.

遇到其他问题请查询 ai 助手.

手动安装python torch如果pip安装太慢

硬件&系统

cuda toolkit

使用 uv 管理 python 环境

python 版本

虚拟环境

安装依赖

安装 torch

测试 cuda 和 torch 是否工作