没有anaconda的pytorch镜像

PyTorch Docker 镜像的选择
对于希望使用不含 Anaconda 的 PyTorch 容器镜像的情况，官方提供了多种预构建的 Docker 映像供选择。这些映像基于不同的操作系统和配置，满足多样化的开发需求。
通过指定基础标签，可以选择不带有 Anaconda 组件的基础 PyTorch 映像。例如，在命令 docker pull pytorch/pytorch 中，默认会拉取最新版的 PyTorch 映像[^1]。为了确保所使用的映像是纯净版本而非包含额外组件（如 Anaconda），建议查阅 PyTorch 官方文档，从中挑选合适的 tag 版本。
下面展示如何启动一个不带 Anaconda 的交互式 PyTorch 环境：
docker run -it --rm \
-v /path/to/my/code:/path/in/docker \
-u $(id -u):$(id -g) \
pytorch/pytorch:latest-py3.9-cuda11.3-cudnn8-runtime bash
登录后复制
此命令中的 -v 参数用于挂载主机目录到容器内；-u 设置用户 ID 和组 ID 保持一致以防止权限问题；而最后部分指定了具体的 PyTorch 映像名称与标签，这里选择了 Python 3.9, CUDA 11.3 及 cuDNN 8 运行时环境组合下的最新稳定版。

相关问题

anaconda pytorch镜像

获取包含PyTorch的Anaconda镜像站点
为了加速下载并提高稳定性，可以使用清华大学开源软件镜像站来获取包含PyTorch的Anaconda镜像。具体方法如下：
对于Linux 64位系统的用户来说，可以通过访问清华源中的PyTorch页面找到所需的文件[^1]。
如果希望利用Conda工具安装带有CPU支持的PyTorch及其配套库（如torchvision），则可以在命令行输入以下指令完成操作[^2]:
conda install pytorch-cpu torchvision -c pytorch
登录后复制
而对于那些偏好通过pip来进行包管理的人来说，在安装特定版本的PyTorch时（例如这里指定的是CUDA 11.6对应的PyTorch 1.13.0版），除了给出具体的依赖项外，还需要提供额外索引URL以便于正确解析CUDA扩展名[^3]:
pip install torch==1.13.0+cu116 torchvision==0.14.0+cu116 torchaudio==0.13.0 --extra-index-url https://download.pytorch.org/whl/cu116
登录后复制
最后，在完成了上述任一方式之后，建议验证环境配置情况以确认一切正常工作[^4]:
import torch
import torchvision
print(torch.__version__)
print(torch.cuda.is_available())
登录后复制

anaconda安装pytorch镜像源

您可以到PyTorch官网（https://pytorch.org/get-started/locally/）下载适合您操作系统环境的安装包进行安装，也可以使用conda命令安装PyTorch。如在Anaconda环境下安装PyTorch，可在终端输入命令：conda install pytorch torchvision torchaudio -c pytorch。