PyTorch 安装避坑指南:CPU/GPU、镜像加速、缓存清理一篇搞定

很多人学 PyTorch，第一步卡在环境安装。
这篇文章把常用包安装、GPU/CPU 版本选择、下载体积与耗时、断点清理、国内镜像加速，一次性整理清楚。

一、常用机器学习包，一条命令搞定

最常用的基础包：

• NumPy：数值计算
• Pandas：数据处理
• Matplotlib / Seaborn：数据可视化
• Scikit-learn：传统机器学习
• PyTorch：深度学习

最简 pip 安装：

python -m pip install numpy pandas matplotlib seaborn scikit-learn

注意两个容易搞错的包名：

• 安装名是 scikit-learn，导入名是 sklearn
• PyTorch 的安装名是 torch，不是 pytorch

PyTorch 安装示例：

# CPU 版python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu# GPU 版，CUDA 12.1python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

二、GPU 版 torch 能在 CPU 上跑吗？

可以。GPU 版 PyTorch 仍然包含 CPU 支持。

默认情况下，张量和模型还是在 CPU 上。只有你显式写：

.cuda().to("cuda")device="cuda"

才会使用 GPU。

但要注意：

如果 GPU 不可用，PyTorch 不会自动回退到 CPU。

是否报错，取决于你的代码。

如果代码强制使用 GPU，而机器没有可用 GPU，可能会报：

• RuntimeError: No CUDA GPUs are available
• RuntimeError: CUDA error: no CUDA-capable device is detected
• RuntimeError: CUDA driver version is insufficient for CUDA runtime version

如果你装的是 CPU 版 torch，却写 .cuda()，会报：

• AssertionError: Torch not compiled with CUDA enabled

推荐写法：自动选择设备。

import torchdevice = torch.device("cuda" if torch.cuda.is_available() else "cpu")print("使用设备:", device)model = model.to(device)data = data.to(device)

如果加载 GPU 上保存的模型，在无 GPU 机器上最好加：

torch.load("model.pth", map_location="cpu")

总结：

• GPU 版 torch 可以在 CPU 上跑；
• 不强制用 GPU，一般不会出错；
• 不会自动回退 CPU，需要自己判断；
• 确定不用 GPU，装 CPU 版更轻量。

三、GPU 版和 CPU 版，下载多大？要多久？

文件大小

GPU 版体积大，主要因为包含：

• nvidia_cudnn_cu12：约 664.8 MB
• nvidia_cublas_cu12：约 410.6 MB
• nvidia_cusolver_cu12：约 267.5 MB
• nvidia_cusparse_cu12：约 196.0 MB

下载时间估算

如果下载慢，可以使用国内镜像源或代理加速。

四、下载到一半，怎么删除已经下载的文件？

如果在 Jupyter 里下载中断，按下面步骤清理。

1. 先中断当前安装

点击 Jupyter 的停止/中断按钮，或菜单 Kernel -> Interrupt。最好重启 Kernel，避免残留锁。

2. 卸载可能已安装的包

%pip uninstall -y torch torchvision torchaudio

没装上也没关系，会提示跳过。

3. 清理 pip 缓存

 %pip cache purge

如果不行，用：

!pip cache purge

这会删除 pip 下载缓存，包括下载到一半的临时文件。不会影响已经安装好的其他包，只是下次安装需要重新下载。

4. 重新安装

%pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

五、CPU 版 PyTorch 用国内镜像源安装，要多久？

如果你不需要 GPU，只想装 CPU 版，用国内镜像源会快很多。

推荐命令：清华源

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

也可以永久设置清华源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

之后正常安装即可。

备用：阿里云源

pip install torch torchvision torchaudio -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

安装耗时

CPU 版安装包大约200 MB，国内镜像速度通常很快：

有实测显示，使用清华源安装 PyTorch 相关包，总耗时可以缩短到42 秒或2 分钟以内。

如果安装中断，可以加 --timeout 600 延长超时时间：

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple --timeout 600

注意：如果你必须严格安装CPU-only 官方版本，优先使用官方 CPU 索引：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

国内镜像适合加速一般安装，具体版本以镜像同步情况为准。

以上就是 PyTorch 安装过程中最常遇到的几个问题。