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。
NOTE
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。
NOTE
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。
TIP
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。