torch GPU安装

### 安装适用于GPU的PyTorch

对于希望利用GPU加速计算能力的应用场景来说，安装支持CUDA的PyTorch版本是一个重要的步骤。基于不同的操作系统以及已有的CUDA版本，具体的安装方法会有所差异。

当使用Ubuntu 18.04并拥有特定版本的CUDA时，可以通过访问清华大学开源软件镜像站来获取适合该系统的PyTorch GPU版本文件[^2]。例如，如果目标是安装与CUDA 10.1兼容的PyTorch 1.3版，则可以从指定链接下载相应的包，并通过`conda install -n env_name --use-local package-name.tar`这样的命令来进行本地安装。

另一种更为简便的方式是在能够连接互联网的情况下直接在线安装最新稳定版或预览版（nightly）。为了确保所选版本能良好适配现有的硬件配置特别是显卡驱动程序，建议先确认当前计算机上的CUDA版本号再做决定。对于想要快速部署且不介意尝试尚未正式发布的功能特性的开发者而言，可以考虑采用如下pip指令来安装带有CPU和GPU支持的夜间构建版本：

python -m pip install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cu101

上述命令中的`cu101`部分指定了要匹配的CUDA版本为10.1；如果有其他需求则需相应调整这部分参数以适应实际环境的要求[^1]。

当然，也可以借助Anaconda管理工具简化整个过程。只需一条简单的conda命令即可完成针对特定CUDA版本优化过的PyTorch及其依赖库的一键式安装：

conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=10.1 -c pytorch

这条命令不仅限于某个具体版本组合，用户可以根据自己的实际情况修改各组件的具体版本号以满足项目开发的需求[^3]。

最后，在成功执行以上任一方式之后，可通过Python交互界面验证安装成果：

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

这两行代码分别用于检测是否有可用的CUDA设备以及显示正在使用的CUDA版本信息[^4]。