PyTorch 1.9.0安装

### 安装 PyTorch 1.9.0 的具体方法

对于希望安装特定版本的 PyTorch 用户来说，确保兼容性和稳定性至关重要。针对 PyTorch 1.9.0 版本，有几种不同的方式来完成这一目标。

#### 使用 Conda 安装 PyTorch 1.9.0 和 CUDA 10.2
为了保证最佳性能和最少冲突，推荐通过 Anaconda 来管理 Python 环境以及依赖库。创建一个新的虚拟环境并指定所需的 PyTorch 及其相关组件的具体版本是一个明智的选择[^2]：

conda create --name pytorch_env python=3.8
conda activate pytorch_env
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=10.2 -c pytorch

这组命令不仅能够设置好适合 PyTorch 1.9.0 的工作环境，还指定了与之相匹配的 `CUDA` 工具包版本（即 10.2），从而减少了潜在的不兼容问题。

#### 利用 Pip 并借助国内镜像加速下载过程
如果倾向于使用 pip 或者遇到网络连接上的挑战，可以选择清华大学开源软件镜像站作为替代方案来加快下载速度[^4]:

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.9.0+cu102 torchvision==0.10.0+cu102 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

此法同样适用于那些偏好简单直接的方式而不愿涉及额外工具链配置的人群。

#### 强制保留现有 Torch 版本的同时安装 Lightning
当存在多个项目依赖不同版本的框架时，可能需要采取更谨慎的方法处理升级或降级操作。在这种情况下，可以通过显式声明所需版本号的方式来避免意外覆盖已有的安装文件[^1]：

pip install pytorch_lightning==1.7.0 torch==1.9.0

这种方法允许在同一环境中安全共存两个甚至更多相互独立但又互不影响的不同版本的应用程序实例。

#### 验证安装成果
最后一步总是确认新安装的内容是否正常运作。进入 Python 解释器界面执行如下代码片段可以帮助验证这一点[^3]:

import torch
print(torch.__version__)
print(torch.cuda.is_available())

以上命令将显示当前使用的 PyTorch 版本信息，并告知是否有可用的 GPU 加速支持。