pytorch安装教程gpu镜像

### PyTorch GPU 版本安装教程

#### 使用镜像加速安装 PyTorch GPU 版本

为了提高下载速度和减少网络不稳定带来的影响，推荐使用国内的镜像源来安装 PyTorch 的 GPU 版本。以下是详细的步骤：

#### 准备工作
确认已正确配置好 CUDA 和 cuDNN 环境，并通过 `nvcc --version` 命令验证当前系统的 CUDA 版本[^1]。

#### 设置 Anaconda 或 Miniconda 镜像源
对于采用 Conda 方式管理 Python 环境的情况，可以通过修改 `.condarc` 文件指定清华或其他稳定可靠的镜像站点作为默认仓库地址：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - defaults

#### 执行安装命令
根据所使用的 CUDA 版本来决定具体的安装指令。假设系统中安装的是 CUDA 11.1，则可以在终端执行如下命令完成 PyTorch 及其依赖项的一键部署：

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

这条命令指定了从 PyTorch 官方通道以及 Conda Forge 获取资源的同时，确保选择了匹配目标硬件环境的 CUDA 工具包版本[^2]。

#### 测试安装成果
创建一个新的 Python 脚本来测试是否能够正常使用 GPU 加速功能：

import torch
print(f"CUDA Available: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    device = 'cuda'
else:
    device = 'cpu'

tensor_example = torch.tensor([1., 2., 3.], device=device)
print(tensor_example)

如果一切正常的话，这段代码应该输出表明 CUDA 支持状态的信息，并且张量会被分配至 GPU 设备上运行。