pytorch镜像安装教程gpu

### PyTorch GPU 版本安装教程

为了高效地完成 PyTorch 的 GPU 加速环境配置，采用镜像源是一种有效的方法。通过这种方式能够显著减少下载时间和依赖冲突的风险。

#### 准备工作
确认已正确安装 NVIDIA 显卡驱动程序以及相应版本的 CUDA 工具包。对于显卡驱动而言，其版本应当不低于所使用的 CUDA 版本[^1]。可以通过命令 `nvcc --version` 来查询当前系统的 CUDA 版本号[^3]。

#### 设置国内镜像源
由于官方源可能速度较慢，推荐使用阿里云或清华大学提供的 Python 包托管服务作为 pip 或 conda 的镜像站点来加速软件包获取过程：

- **pip 配置**
对于 pip 用户来说，可以在每次执行安装指令时临时指定镜像地址；也可以将其永久保存至用户的 `.pip/pip.conf` 文件中以便后续调用更便捷。

  pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu113/torch_stable.html --index-url=https://mirrors.aliyun.com/pypi/simple/

- **conda 配置**
若是 Anaconda 用户，则可通过修改 `.condarc` 文件中的 channels 列表加入清华 TUNA 组维护的 Miniconda 科学计算库镜像站。

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

之后可以直接运行如下命令来进行 PyTorch 和其他相关组件的一键式安装：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

上述方法不仅提高了资源加载效率，还简化了整个部署流程，使得开发者可以更加专注于算法实现而非环境搭建上。