使用国内镜像加速安装 PyTorch

在国内访问官方的 PyTorch 下载链接可能会遇到速度慢或无法访问的问题。为了解决这一问题，可以使用国内的镜像源来安装 PyTorch。本教程将介绍如何使用阿里云、上海交大和清华的镜像源。

Pip

错误的方法

部分用户参照阿里云 Pytorch Wheels 镜像站的指导，尝试将 PyTorch 安装指引中的 https://download.pytorch.org/whl 替换为 https://mirrors.aliyun.com/pytorch-wheels，但发现无法正常工作。错误信息如下：

Looking in indexes: https://mirrors.aliyun.com/pytorch-wheels
ERROR: Could not find a version that satisfies the requirement torch (from versions: none)
ERROR: No matching distribution found for torch

如果遇到以上错误，下面的步骤可以帮助您从其他国内镜像 Pip 源安装 PyTorch。

注意

以下每个源均提供多种安装示例，择一即可，可按实际需求修改。

阿里云镜像

阿里云提供了 PyTorch 的镜像源，可以通过以下命令进行安装：

pip3 install torch==2.4.1 torchvision torchaudio -f https://mirrors.aliyun.com/pytorch-wheels/cu121/

这里使用了 -f 选项，表示指定一个包含包文件的页面，而不是使用 --index-url，因为这些镜像不提供完整的索引服务。

上海交通大学镜像

上海交大也提供了 PyTorch 镜像，可通过以下命令安装：

pip3 install torch==2.4.1 torchvision torchaudio -f https://mirror.sjtu.edu.cn/pytorch-wheels/cu118

或者：

pip3 install torch==2.4.1 torchvision torchaudio -f https://mirror.sjtu.edu.cn/pytorch-wheels/torch_stable.html

清华大学镜像

清华大学提供的 PyPI 镜像可以加速安装：

pip3 install torch==2.4.1 torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

-i 选项用于指定 PyPI 的镜像源地址，这可以替代默认的官方仓库。

Conda

启用镜像自带的 Miniconda

智算云平台预置了基于 Ubuntu、CentOS 的多种基础镜像和第三方镜像，绝大部分已自带 Miniconda，一般在 /usr/local/ 下的目录。

# 添加 conda 到 PATH
source /usr/local/miniconda3/etc/profile.d/conda.sh
# 初始化 conda，持久化写入 .bashrc
conda init

启用后请注意关闭当前 Shell 会话，再新建会话。

修改默认 Conda 源为清华镜像源

由于国内网络问题，可能无法访问 Conda 自带源，或访问速度极慢。因此，建议使用国内镜像源，如清华镜像源。

注意

如果非全新环境，可先删除 $HOME/.condarc 文件，再执行下面的操作。

下面示例使用 cat 命令直接追加写入了 ~/.condarc，请注意勿重复添加。

# 添加清华镜像源。
cat << EOF >> ~/.condarc
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
  nvidia: https://mirrors.sustech.edu.cn/anaconda-extra/cloud
EOF

然后清除相关缓存：

conda clean -i
conda clean -p
conda clean -a

安装 Pytorch

在您的创建的 Conda 虚拟环境中，直接使用 Pytorch 官方工具生成的 Conda 安装命令：

例如，安装携带预编 CUDA 12.4 的 Pytorch 最新版：

conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia

例如，安装携带预编 CUDA 12.1 的 Pytorch 最新版：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

检查 PyTorch 是否支持 GPU

安装完成后，在当前 Conda 虚拟环境中执行 pytorch，进入 Python 解释器环境。通过以下代码检查 PyTorch 携带的 CUDA 版本：

import torch
print(torch.cuda.is_available())
print("CUDA Version:", torch.version.cuda)

如果输出为 True，则表示 GPU 可用。以上代码会输出当前 CUDA 版本。

通过以上步骤，您可以快速从国内镜像源下载并安装 PyTorch，以解决下载速度慢的问题。

提示

以上教程安装的 CUDA 并非系统级 CUDA（System-Wide CUDA）。如果您不清楚什么是系统级 CUDA，请查看教程 NVIDIA CUDA Toolkit 与 PyTorch 安装中的 CUDA 的区别。