linux 安装pytorch 速度慢

你可以尝试以下方法来加快在Linux上使用conda安装PyTorch的速度：

1. 使用清华大学镜像源：在conda安装PyTorch时，可以通过添加清华大学镜像源来加快下载速度。你可以执行以下命令来添加清华大学镜像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

然后再执行安装PyTorch的命令。

2. 使用pip安装：尝试使用pip来安装PyTorch，因为pip在国内的下载速度可能会更快。你可以执行以下命令来安装PyTorch：

pip install torch torchvision

这将使用pip从PyTorch官方源安装PyTorch。

3. 使用预编译的包：如果以上方法仍然速度很慢，你可以尝试下载预编译的PyTorch包，然后手动安装。你可以在PyTorch官方网站上找到预编译包，并选择与你的Linux系统版本和conda环境兼容的包进行下载。

希望这些方法能够帮助你加快在Linux上使用conda安装PyTorch的速度！如果还有其他问题，请随时提问。

相关问题

Linux pytorch换源安装

### 更改PyTorch安装源的方法

为了提高下载速度并解决国内网络连接问题，在Linux环境下可以通过更改`pip`和`conda`的镜像源来加速PyTorch及其依赖项的安装。

#### 使用清华镜像源通过pip安装PyTorch

对于希望通过`pip`工具安装PyTorch的情况，建议使用清华大学提供的Python包管理器镜像站点。这可以显著提升下载效率[^1]：

pip install torch torchvision torchaudio -i`指定了索引URL为清华大学开源软件镜像站地址，从而绕过了官方较慢的速度限制。

#### 利用Conda环境下的清华镜像源安装PyTorch

当采用Anaconda作为主要开发平台时，则应调整`.condarc`配置文件内的通道列表，加入来自清华大学或其他国内高校提供的快速访问路径[^4]：

channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true
report_errors: false

完成以上设置之后，即可利用如下指令创建新的带有指定版本号的PyTorch环境[^2]:

conda create --name pytorch_env python=3.8
conda activate pytorch_env
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

此处假设选择了CUDA Toolkit 10.2版本；实际操作过程中可根据个人硬件条件适当修改此值。

conda install pytorch太慢

### 加速 `conda install pytorch` 的方法

为了提高 PyTorch 使用 Conda 安装的速度，可以考虑以下几个方面：

#### 修改安装源
通过更改默认的 Anaconda 仓库地址到国内镜像站点能够显著提升下载速度。例如清华大学开源软件镜像站提供了完整的 Anaconda 镜像服务。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

对于特定版本的需求，如 CUDA 11.3 和指定版本号的情况，则可以在上述基础上进一步调整命令参数[^2]。

#### 添加额外通道
除了官方渠道外，还可以增加其他可靠的第三方库作为补充来源，比如 `-c conda-forge`。这有助于获取更广泛的依赖项并可能改善整体性能。

conda install pytorch=1.11.0 torchvision torchaudio cudatoolkit=11.3 -c pytorch -c conda-forge

此操作不仅限于解决安装缓慢的问题，同时也增加了成功找到兼容组件的机会[^3]。

#### 替代方案——使用 Pip 工具
如果仍然遇到持续性的低效问题，不妨尝试采用 Python 自带的包管理工具 Pip 来代替 Conda 执行相同任务。特别是当目标环境已经具备所需的基础设施（如 Miniconda 或者标准解释器）时更为适用。

针对 Linux 平台且配备有 CUDA 11.3 支持的情形下，推荐如下做法:

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

这种方法绕过了 Conda 可能存在的瓶颈，并利用了 PyPI 提供的良好网络连接质量以及优化过的分发机制[^5]。