一、什么是PyTorch？
PyTorch 是一个开源的 Python 机器学习库，基于Torch 库（一个有大量机器学习算法支持的科学计算框架，有着与 Numpy类似的张量（Tensor）操作，采用的编程语言是Lua），底层由C++实现，应用于人工智能领域，如计算机视觉和自然语言处理。
PyTorch 主要有两大特征:
- 类似于 NumPy的张量计算，能在 GPU或 MPS 等硬件加速器上加速。
- 基于带自动微分系统的深度神经网络。
二、Pytorch的安装
PyTorch 分为 CPU 和 GPU 版本。
PyTorch 选择安装版本页面：https://pytorch.org/get-started/locally/
2.1、 CPU 版本 PyTorch 安装
直接通过 pip 命令安装即可：pip3 install torch torchvision torchaudio。若需要离线安装，可以考虑下载whl包然后自行安装。下载whl 的链接:https://download.pytorch.org/whl/torch/.手动下载 whl 时，需要注意 PyTorch 与 torchvision 之间版本对应关系。可以到 http:// https://pytorch.org/get-started/previous-versions/查看。
2.2、GPU版本PyTorch 安装
绝大多数情况下我们会安装 GPU 版本的 PyTorch。目前 PyTorch 不仅支持 NVIDIA 的GPU，还支持 AMD 的 ROCm 的 GPU。安装 GPU 版本的 PyTorch 步骤:根据 NVIDIA 驱动程序版本和要安装的 PyTorch 版本，确定安装哪个版本的CUDA.根据安装好的 CUDA 版本，安装对应版本PyTorch.
1）GPU计算能力要求
对于N卡，需要计算能力（compute capability）≥3.0。可在以下链接查看 GPU 计算能力。
https://developer.nvidia.cn/cuda-gpus#compute
https://developer.nvidia.cn/cuda-gpus#compute
2）CUDA 版本选择
CUDA（Compute Unified Device Architecture）是NVIDIA开发的并行计算平台和编程平台，允许开发者利用 NVIDIA GPU 的强大计算能力进行通用计算。CUDA 不仅用于图形渲染，还广泛应用于科学计算、深度学习、金融建模等领域。
（1）根据 NVIDIA 驱动程序版本确定支持的最高 CUDA版本
在命令行输入
nvidia-smi
（2）根据 PyTorch 版本选择 CUDA 版本
需要安装特定版本的 CUDA 版本，才能使用特定版本的 PyTorch。在 PyTorch 下载页面
可查看该版本 PyTorch 支持的 CUDA版本。
NVIDIA官网通常只展示最新的CUDA版本，过往CUDA版本可在以下链接下载。https://developer.nvidia.com/cuda-toolkit-archive https://developer.nvidia.com/cuda-toolkit-archive
选择相应 CUDA 版本后，选择要安装的平台，Installer Type 安装方式选择 exe(local)本地安装。
下载完双击exe文件
如果出现以下提示，表明缺少Visual Studio，部分组件不能正常工作。不用在意，选择I understand...。 点击 Next.
安装完成点击关闭
可在命令行输入nvcc --version查看版本信息
3）Pytorch安装
新建一个虚拟环境来安装PyTorch。在命令行输入
conda create -n pytorch-2.6.0-gpu python=3.12创建一个环境名为 pytorch-2.6.0-gpu，Python 版本为 3.12 的虚拟环境。使用
conda activate pytorch-2.6.0-gpu 激活 pytorch-2.6.0-gpu 虚拟环境。
在官网 https://pytorch.org/get-started 选择要安装的版本，复制命令，在命令行中执行以安装 PyTorch。
若安装速度较慢或安装失败，可配置 pip 的国内镜像源http:// pip config set global.index-url https:/ /pypi.tuna.tsinghua.edu.cn/simple.
要在新的虚拟环境中使用 Jupyter Notebook，需使用conda install jupyter notebook 安装。编写代码时需在 IDE 中选择新创建的虚拟环境作为Python 解释器。