树莓派只能安装armv71版本的wheel，如何更新torch

树莓派使用的是 ARM 架构的处理器，所以需要安装针对 ARM 架构的 PyTorch 版本。如果你的树莓派只能安装 armv71 版本的 wheel，那么可能是你的树莓派使用的是较旧的 ARM 架构版本。此时建议尝试以下方法更新 PyTorch：

1. 更新系统：首先确保你的树莓派系统是最新的，可以使用以下命令来更新：

sudo apt-get update
sudo apt-get upgrade

2. 安装最新的 PyTorch：安装最新的 PyTorch 可以使用以下命令：

pip install torch torchvision

如果这个命令不能正常工作，可以尝试安装针对 ARM 架构的 PyTorch 版本，可以在 PyTorch 官方网站上找到适合你的 ARM 架构版本。

3. 编译安装：如果你无法找到适合你的 ARM 架构版本的 PyTorch，可以尝试从源代码编译安装 PyTorch。这需要一些额外的工作，但可以保证在任何 ARM 架构的设备上都可以安装 PyTorch。你可以参考 PyTorch 官方文档中的编译指南来完成编译安装。

希望这些方法可以帮助你更新 PyTorch。

相关问题

树莓派torch安装到python3

### 安装PyTorch for Python3 on Raspberry Pi

#### 更新Raspberry Pi系统
为了确保系统的稳定性和兼容性，建议先更新Raspberry Pi的操作系统。这可以通过执行以下命令完成：

sudo apt-get update
sudo apt-get upgrade -y
sudo apt-get autoremove -y

这些命令会更新软件包列表，升级已安装的软件包并清理不再使用的依赖项[^2]。

#### 安装Python3环境
树莓派默认预装了Python 2.7版本，但对于现代机器学习框架如PyTorch来说，推荐使用Python 3.x版本。如果尚未安装Python 3，则可以运行如下命令进行安装:

sudo apt install python3

此操作将安装最新可用的Python 3版本及其开发工具链[^1]。

#### 配置pip3用于Python3
一旦确认Python 3已经成功安装，下一步就是设置好`pip3`以便后续能够顺利下载和管理第三方库。通常情况下，随着Python 3一起也会自动安装`pip3`；如果没有的话也可以手动添加它：

sudo apt install python3-pip

#### 下载适合硬件架构的PyTorch轮子文件(wheel file)
对于特定型号的Raspberry Pi (例如带有ARM v7指令集)，可以从专门针对ARM平台编译好的Whl文件中挑选合适的版本来安装。比如下面这条命令适用于大多数基于ARMv7架构的设备：

pip3 install torch-1.2.0a0+8554416-cp37-cp37m-linux_armv7l.whl

这里需要注意的是具体版本号可能会有所不同，因此应当根据实际需求以及所处时间点去查找最新的官方支持链接或者社区贡献资源[^3]。

另一种更为简便的方法是从指定网站获取经过优化后的二进制分发版，这样可以直接获得一组匹配良好的组件组合而无需担心个别部件之间的适配问题：

pip3 install torch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 -f https://torch.maku.ml/whl/stable.html

这种方法不仅简化了流程还提高了成功率，因为所有必要的依赖关系都已经预先处理好了[^4]。

树莓派安装PyTorch

### 如何在Raspberry Pi上安装PyTorch

为了在Raspberry Pi上成功部署和运行PyTorch，需遵循一系列特定的操作流程来确保兼容性和性能优化。

#### 准备工作环境
确认已安装最新版本的64位Raspberry Pi操作系统[^1]。这一步骤对于后续软件包的成功安装至关重要，因为某些依赖项可能仅支持64位架构。

#### 安装必要的依赖库
除了基础系统外，还需要额外配置一些Python开发工具链以及科学计算所需的库文件。可以通过执行如下命令完成初步设置：

sudo apt update && sudo apt upgrade -y
sudo apt install python3-pip build-essential cmake git unzip pkg-config libjpeg-dev libpng-dev wget curl gfortran libopenblas-dev liblapack-dev cython3
pip3 install --upgrade pip setuptools wheel

#### 获取并编译OpenBLAS
由于官方预构建二进制文件并不总是适用于ARM平台上的Raspberry Pi，因此建议自行编译适合硬件特性的线性代数加速器——OpenBLAS。此过程有助于提高矩阵运算效率，从而间接加快机器学习模型训练速度。

git clone https://github.com/xianyi/OpenBLAS.git
cd OpenBLAS/
make NO_AFFINITY=1 USE_OPENMP=0 NUM_THREADS=4 DYNAMIC_ARCH=1 TARGET=ARMV8
sudo make PREFIX=/usr/local install

#### 编译安装PyTorch
考虑到资源有限的小型嵌入式设备特性，推荐采用轻量化策略定制化编译PyTorch源码。具体操作可参照GitHub仓库中的说明文档进行调整；这里提供了一个简化版脚本供参考：

# 下载指定分支下的PyTorch源码
git clone --branch v1.12.0 https://github.com/pytorch/pytorch.git pytorch_src
cd pytorch_src/

# 设置环境变量以启用NEON指令集优化
export CMAKE_PREFIX_PATH="$(dirname $(which conda))/../"
export ATEN_NO_TEST=1
export MAX_JOBS=$(nproc)

# 开始编译
TORCH_CUDA_ARCH_LIST="5.3" BUILD_CAFFE2_OPS=OFF python setup.py bdist_wheel

请注意上述示例基于v1.12.0版本，在实际应用时应根据需求选择合适的稳定发行版号，并关注项目主页获取最新的编译选项指导。

#### 验证安装成果
一旦顺利完成以上各阶段的任务之后，则可通过简单的测试程序检验PyTorch是否能够正常运作于当前环境中。

import torch
print(torch.__version__)
x = torch.rand(5, 3)
print(x)
if torch.cuda.is_available():
    print('CUDA is available')
else:
    print('Running on CPU only.')