PyTorch · 灵活的开源机器学习框架｜安装与从源码构建全指南

项目仓库： https://github.com/pytorch/pytorch

开源协议：BSD-3-Clause · 二进制安装：conda / pip（见 pytorch.org/get-started/locally） · 从源码：Python 3.11+、C++20 编译器（gcc 11.3+）、10GB 磁盘 · 官方文档：pytorch.org/docs

1 项目简介

PyTorch 是一个优先 Python、命令式、快而精的深度学习框架，提供带强 GPU 支持的张量库、基于磁带的自动微分、与 autograd 深度集成的神经网络库，以及多进程张量共享等能力。它以动态图、Python 优先、命令式体验著称。

1.1 核心信息一览

1.2 适用场景

• 研究与生产的深度学习模型开发。
• 需要动态图、命令式编程的实验。
• GPU 加速张量计算。

1.3 核心组件

• torch：带强 GPU 支持的张量库（类 NumPy）。
• torch.autograd：磁带式自动微分。
• torch.nn：与 autograd 深度集成的神经网络库。
• torch.multiprocessing：跨进程张量内存共享。
• torch.utils：DataLoader 等工具。

2 功能特性

• GPU-ready 张量库。
• 动态神经网络：磁带式 autograd，随时改图。
• Python 优先、命令式体验。
• Fast and Lean。
• 扩展无痛：自定义 C++/CUDA 扩展。

3 官方跳转链接汇总

4 方式一：二进制安装（官方推荐）

到官网 get-started/locally 选择系统、包管理器（conda/pip/libtorch）、CUDA 版本，网站会生成对应的安装命令：

# 示例（以官网生成命令为准）
pip3 install torch torchvision torchaudio

NVIDIA Jetson 平台（Nano/TX1/TX2/Xavier/Orin）有专用 wheels，需 JetPack 4.2+。

5 方式二：从源码构建

5.1 前置要求

• Python 3.11 或更新。
• 完全支持 C++20 的编译器（Linux 需 gcc 11.3.0+）。
• Windows：Visual Studio / Build Tools。
• 至少 10GB 空闲磁盘。
• 首次构建 30–60 分钟（后续增量快很多）。

5.2 环境准备（Linux）

source <CONDA_INSTALL_DIR>/bin/activate
conda create -y -n <CONDA_NAME>
conda activate <CONDA_NAME>

5.3 Windows

source <CONDA_INSTALL_DIR>\Scripts\activate.bat
conda create -y -n <CONDA_NAME>
conda activate <CONDA_NAME>
call "C:\Program Files\Microsoft Visual Studio\<VERSION>\Community\VC\Auxiliary\Build\vcvarsall.bat" x64

后续构建步骤见仓库 README「Install Dependencies / Install PyTorch」。

6 常见问题

• 选哪个安装命令：去官网 get-started/locally 按环境生成，不要凭记忆。
• GPU 版装不上：确认 CUDA 版本与驱动匹配。
• 从源码编译失败：确认 gcc 11.3+ 与 C++20 支持、10GB 磁盘。

7 风险与说明

• 许可证：BSD-3-Clause。
• 构建耗时：首次构建 30–60 分钟，属正常。
• 非官方声明：本文基于官方仓库 README 整理，安装命令以官网生成器与最新 release 为准。