python conda正确安装cuda版本的pytorch

通过python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 安装cuda版本的pytorch始终是cpu版本的： torch 2.12.0 torchaudio 2.11.0 torchvision 0.27.0

上上述的这个问题非常典型。根本原因在于，使用的命令中虽然指定了正确的 CUDA 索引，但pip可能从其他配置（如镜像源）安装了 CPU 版本。

从上面的torch 2.12.0版本号来看，安装的极有可能是torch 2.5.1或2.4.0，而2.12.0是一个尚不存在的未来版本，这本身就表明安装过程可能出现了某种混乱。

🎯 核心问题：被“镜像源”干扰了

PyTorch 的官方 CUDA 版本托管在专用服务器上，而绝大多数国内镜像源（如清华、阿里云）默认只同步 CPU 版本。当你同时使用镜像源时，pip可能会优先从镜像源获取被标记为最新版本的 CPU 包，而忽略你指定的 CUDA 索引。

✅ 解决方案：彻底重装（三选一）

这里提供三种解决方案，强烈建议从方法一开始尝试，这是最干净且成功率最高的。

方法一：使用 Conda 安装（最推荐，成功率最高）

Conda 处理 CUDA 依赖的能力比 pip 强很多，能自动处理好版本匹配问题，几乎不会出现装成 CPU 版本的情况。

1. 打开终端。
2. （可选，但强烈推荐）创建新环境：

   conda create-nyolov8_envpython=3.9-yconda activate yolov8_env

3. 运行官方安装命令（以 CUDA 12.1 为例）：

   condainstallpytorch torchvision torchaudio pytorch-cuda=12.1-cpytorch-cnvidia

方法二：纯净的 Pip 安装（需确保无镜像源干扰）

这个方法的关键在于，要确保你的pip配置文件里没有默认设置镜像源。

1. 彻底卸载旧版本：

   pip uninstall torch torchvision torchaudio-y

2. 查看并清除 pip 镜像源配置：

   • 检查pip config list，如果看到global.index-url指向某个镜像，暂时将其重命名或删除配置文件。
   • 这是非常重要的一步，否则即使执行官方命令，也可能会从镜像源下载 CPU 版本。

3. 重新安装（不添加任何额外镜像源参数）：

   pipinstalltorch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

   注意：如果速度很慢，可以加上--default-timeout=1000延长超时时间，或者直接使用下面的本地安装法。

方法三：本地 Wheel 文件安装（最稳妥，无网络问题）

如果上述两种方法都因为网络问题而速度极慢或失败，可以手动下载文件进行安装。

1. 访问 PyTorch 官方 Wheel 库：打开 https://download.pytorch.org/whl/cu121
2. 找到匹配你系统的文件：
   • Python 版本：cp39代表 Python 3.9，cp310代表 Python 3.10，以此类推。
   • 操作系统：win_amd64(Windows)，linux_x86_64(Linux)，macosx_...(Mac)。
   • 你需要同时下载torch、torchvision、torchaudio三个文件。
3. 在下载目录打开终端，按顺序安装：

   # 先安装 torch，再安装后两个pipinstalltorch-2.4.1+cu121-cp310-cp310-win_amd64.whl pipinstalltorchvision-0.19.1+cu121-cp310-cp310-win_amd64.whl pipinstalltorchaudio-2.4.1+cu121-cp310-cp310-win_amd64.whl

✅ 验证成功的标准

安装完成后，运行以下命令进行验证。只有当torch.cuda.is_available()返回True时，才表示安装成功。

importtorchprint(f"PyTorch 版本:{torch.__version__}")print(f"CUDA 是否可用:{torch.cuda.is_available()}")# 必须输出 Trueiftorch.cuda.is_available():print(f"CUDA 版本:{torch.version.cuda}")print(f"GPU 型号:{torch.cuda.get_device_name(0)}")