离线本地安装 PyTorch CUDA 教程Windows/macOS/Linux 通用解决在线下载超时卡顿、保留官方组件加速最新版本安装命令PyTorch Get Started历史版本安装命令Previous PyTorch Versions安装攻略“100% 成功的 PyTorch CUDA GPU 支持” 安装攻略一、前言在线安装 GPU 版 PyTorch 时经常出现网络超时、下载速度极慢、连接中断、依赖缺失等问题。国内常规 PyPI 镜像大多只提供 CPU 版本安装包CUDA 版本的专属依赖仅能从 PyTorch 官方源获取。 本文采用本地下载 whl 离线包 指定官方源补全依赖的方式安装用 IDM 等多线程下载工具高速拉取安装包同时适配 Windows、macOS、Linux 全平台如果需要重装、修复异常环境可使用强制覆盖安装参数安装完成后附带完整代码验证 CUDA 是否正常启用。二、离线 whl 安装包官方下载地址与精准检索关键词三个核心库需要分别进入各自官方页面使用CtrlF搜索关键词快速定位对应安装包避免手动翻页查找精准缩小搜索范围以 torch-2.10.0cu130 为例官网安装命令示例pip install torch2.10.0 torchvision0.25.0 torchaudio2.10.0 --index-url https://download.pytorch.org/whl/cu130直接使用官网命令安装 在网络不好时可能会遇到因超时导致的安装失败而且安装时间比较长在需要快速调试的场景下非常耗费时间。为了便于快速安装调试我们可以提前下载较大的包到本地从本地安装。1. torch 主库下载地址https://download.pytorch.org/whl/torch/精确检索关键词torch-2.10.0cu130-cp312-2. torchvision 视觉库下载地址https://download.pytorch.org/whl/torchvision/精确检索关键词torchvision-0.25.0cu130-cp312-3. torchaudio 音频库下载地址https://download.pytorch.org/whl/torchaudio/精确检索关键词torchaudio-2.10.0cu130-cp312-2.1 CtrlF 页面搜索使用方法打开上面任意一个库的官方 whl 下载网页按下键盘快捷键CtrlF浏览器顶部会弹出搜索输入框将上面给出的对应精确关键词粘贴到搜索框中网页会自动高亮所有匹配的安装包链接快速过滤出符合版本要求的文件根据自己的操作系统选择对应后缀的 whl 文件下载。2.2 关键词各字段详细含义以关键词torch-2.10.0cu130-cp312-举例拆解torch库名称对应 torch、torchvision、torchaudio不可修改2.10.0PyTorch 库的版本号三个库需要选用配套版本不要随意混搭cu130代表该安装包适配 CUDA 13.0 GPU 版本带 cu 前缀才支持显卡加速不要下载 cpu 结尾的包cp312代表适配 Python3.12 版本本地 Python 是什么版本就对应改成 cp310、cp311 等。2.3 不同操作系统 whl 后缀区分Windows 64 位系统win_amd64.whlLinux x86 服务器linux_x86_64.whlLinux ARM 架构aarch64.whlmacOSIntel/M 系列芯片macosx_*.whl三、离线安装命令说明全平台通用重要注意事项仅本地 whl 文件安装会缺失 CUDA 运行依赖必须添加--index-url参数指定 PyTorch 官方 cu130 源用来自动下载 cuda-toolkit、cuDNN 等配套依赖否则会出现安装成功但cuda.is_available() False的情况。 如果是重装、覆盖旧版本、修复损坏的运行环境需要额外加上--force-reinstall参数强制完整重装所有依赖文件。1. 全新首次安装bashpip install torch-2.10.0cu130-cp312-cp312-win_amd64.whl --index-url https://download.pytorch.org/whl/cu130 pip install torchvision-0.25.0cu130-cp312-cp312-win_amd64.whl --index-url https://download.pytorch.org/whl/cu130 pip install torchaudio-2.10.0cu130-cp312-cp312-win_amd64.whl --index-url https://download.pytorch.org/whl/cu1302. 覆盖安装 / 异常环境修复安装bashpip install torch-2.10.0cu130-cp312-cp312-win_amd64.whl --force-reinstall --index-url https://download.pytorch.org/whl/cu130 pip install torchvision-0.25.0cu130-cp312-cp312-win_amd64.whl --force-reinstall --index-url https://download.pytorch.org/whl/cu130 pip install torchaudio-2.10.0cu130-cp312-cp312-win_amd64.whl --force-reinstall --index-url https://download.pytorch.org/whl/cu130操作提示使用 Anaconda 虚拟环境时先执行conda activate 环境名激活环境再安装(或下载 conda 专用包再从本地安装)Linux/macOS 权限不足可末尾追加--user参数。四、PyTorchCUDA 安装全面验证代码打开终端输入python进入交互式环境粘贴以下代码运行完整校验 GPU 环境是否部署成功验证PyTorch深度学习环境Torch和CUDA还有cuDNN是否正确配置的命令pythonimport torch # 打印 PyTorch 版本 print(PyTorch 版本, torch.__version__) # 自动选择GPU设备无GPU则使用CPU device torch.device(cuda:0 if torch.cuda.is_available() else cpu) print(设备, device) print(CUDA 可用, torch.cuda.is_available()) print(cuDNN 已启用, torch.backends.cudnn.enabled) # 查看绑定的CUDA与cuDNN版本 print(支持的 CUDA 版本, torch.version.cuda) print(cuDNN 版本, torch.backends.cudnn.version()) # 测试GPU张量运算 x torch.rand(5, 3) y torch.rand(5, 3) x x.to(device) y y.to(device) z x y print(张量 z 的值) print(z)验证结果判断输出CUDA 可用True且张量携带cuda:0标识代表 GPU 环境安装成功若返回 False优先检查是否添加官方源参数、是否下载带 cu130 的 GPU 版 whl 包、显卡驱动是否满足最低要求。五、常见问题排查CUDA 不可用大概率安装时未加--index-url官方源依赖缺失使用带源命令重新安装版本冲突、导入报错使用--force-reinstall参数强制覆盖修复安装whl 文件找不到核对CtrlF搜索关键词、Python 版本、系统架构后缀是否匹配。附录常用 Python 版本精准检索关键词对照表CUDA13.0、torch2.10.0、torchvision0.25.0、torchaudio2.10.0一、torch 检索关键词Python 3.10torch-2.10.0cu130-cp310-Python 3.11torch-2.10.0cu130-cp311-Python 3.12torch-2.10.0cu130-cp312-下载地址https://download.pytorch.org/whl/torch/二、torchvision 检索关键词Python 3.10torchvision-0.25.0cu130-cp310-Python 3.11torchvision-0.25.0cu130-cp311-Python 3.12torchvision-0.25.0cu130-cp312-下载地址https://download.pytorch.org/whl/torchvision/三、torchaudio 检索关键词Python 3.10torchaudio-2.10.0cu130-cp310-Python 3.11torchaudio-2.10.0cu130-cp311-Python 3.12torchaudio-2.10.0cu130-cp312-下载地址https://download.pytorch.org/whl/torchaudio/四、系统后缀搭配对照表复制关键词搜到结果后按需选择表格操作系统 架构whl 文件后缀Windows 64 位win_amd64.whlLinux x86_64主流服务器linux_x86_64.whlLinux ARM树莓派、ARM 服务器aarch64.whlmacOS Intel / M 系列芯片macosx_*.whl五、使用小提示打开对应库下载页面按下CtrlF粘贴上表对应关键词快速高亮筛选安装包三个库必须选择相同 Python 版本的 whl 包不可混用 cp310、cp311必须选择带cu130的包不要下载cpu版本否则无法使用 GPU 加速安装务必带上参数--index-url https://download.pytorch.org/whl/cu130重装修复额外加--force-reinstall。