torch torchvision 下载安装与使用

### 如何逐步安装 PyTorch 和 torchvision 库 为了成功安装 PyTorch 及其配套库 `torchvision`，可以按照以下方法操作： #### 虚拟环境的创建 通过 Anaconda 创建一个 Python 虚拟环境来管理依赖项是一个推荐的做法。以下是具体命令： ```bash conda create --name py39 python=3.9 ``` 激活刚刚创建的虚拟环境： ```bash conda activate py39 ``` 此部分的操作确保了一个干净的开发环境[^2]。 #### 安装 PyTorch 访问 [PyTorch官方网站](https://pytorch.org/get-started/locally/) 并根据您的硬件配置选择合适的安装选项。例如，如果您已经安装了特定版本的 CUDA，则应选择支持该版本的 PyTorch 包。假设您希望安装带有 CUDA 支持的 PyTorch（适用于 NVIDIA 显卡），可以通过 pip 或 conda 执行如下命令之一： 使用 Conda 进行安装： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 或者使用 Pip 来完成相同的目标： ```bash pip install torch torchvision torchaudio ``` 上述命令会自动处理所有必要的依赖关系，并将指定版本的 PyTorch 下载到环境中[^1]。 #### 验证安装 确认安装无误的一个简单方式是运行一段测试代码，在 Python 解释器中执行下面几行脚本来验证是否能够正常加载模块并检测 GPU 是否可用： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 如果输出显示 True 表明当前系统已正确设置好 GPU 加速功能。 --- ### 注意事项 - 如果未配备兼容的显卡驱动程序或不打算利用 GPU 计算资源，请改选 CPU-only 的发行版。 - 对于移动平台开发者而言，TensorFlow Lite 提供了一些针对移动端优化的内容链接可供参考[^3]，不过这并不涉及 PyTorch 的范畴。