Windows 10环境下PyTorch的完整安装指南 (2025年05月版)

引言

PyTorch作为当前最流行的深度学习框架之一，因其动态计算图和易用性受到广大开发者的喜爱。本文将详细介绍在Windows 10系统下安装PyTorch的完整流程，包括CUDA和cuDNN的配置（适用于NVIDIA显卡用户），以及安装后的验证步骤。

准备工作

在开始安装前，请确保满足以下条件：

Windows 10操作系统（版本1903或更高）
Python 3.8-3.10（PyTorch官方推荐版本）
NVIDIA显卡（可选，如需GPU加速）
稳定的网络连接

第一步：安装Python

PyTorch需要Python环境支持，推荐使用Anaconda进行Python环境管理。

1.1 下载Anaconda

访问Anaconda官网下载最新版：
– 选择Python 3.9版本
– 下载64位Windows Installer

1.2 安装Anaconda

双击下载的.exe文件，按照提示安装：
– 建议勾选”Add Anaconda to my PATH environment variable”
– 安装路径不要包含中文或空格

安装完成后，打开命令提示符(cmd)验证：

代码片段

conda --version

应显示类似conda 23.x.x的版本信息。

第二步：创建虚拟环境（推荐）

为避免包冲突，建议为PyTorch创建专用虚拟环境：

代码片段

conda create -n pytorch_env python=3.9
conda activate pytorch_env

第三步：安装PyTorch

3.1 CPU版本安装（无NVIDIA显卡）

对于没有NVIDIA显卡的用户：

代码片段

conda install pytorch torchvision torchaudio cpuonly -c pytorch

3.2 GPU版本安装（有NVIDIA显卡）

3.2.1 检查CUDA兼容性

首先确认你的NVIDIA显卡支持CUDA：
1. 右键桌面 → NVIDIA控制面板 → “帮助” → “系统信息”
2. 查看”组件”选项卡中的CUDA版本

3.2.2 PyTorch官方推荐命令

访问PyTorch官网获取最新的安装命令。截至2025年5月，推荐命令为：

代码片段

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

[可选] pip方式安装

如果你更习惯使用pip：

代码片段

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

第四步：验证安装

创建一个简单的Python脚本验证PyTorch是否正常工作：

代码片段

import torch

# 打印PyTorch版本
print(f"PyTorch版本: {torch.__version__}")

# 检查CUDA是否可用
print(f"CUDA可用: {torch.cuda.is_available()}")

# GPU信息（如果可用）
if torch.cuda.is_available():
    print(f"当前设备: {torch.cuda.current_device()}")
    print(f"设备名称: {torch.cuda.get_device_name(0)}")
    print(f"CUDA版本: {torch.version.cuda}")
    print(f"CUDNN版本: {torch.backends.cudnn.version()}")

# Tensor运算测试
x = torch.rand(5, 3)
print("\n随机生成的Tensor:")
print(x)

运行结果示例：

代码片段

PyTorch版本: x.x.x+cu121
CUDA可用: True
当前设备: cuda:0
设备名称: NVIDIA GeForce RTX xxxx
CUDA版本: x.x.x
CUDNN版本: xxxx

随机生成的Tensor:
tensor([[0.1234, ...]])

GPU加速特别配置

如果你的GPU性能未达预期，可以尝试以下优化：

cuDNN自动调优（适用于固定输入尺寸）

代码片段

torch.backends.cudnn.benchmark = True

Tensor核心加速（仅限Volta及以上架构）

代码片段

torch.set_float32_matmul_precision('high')

FAQ与常见问题解决

Q1: ImportError: DLL load failed while importing _C

A:
– CUDA与PyTorch版本不匹配，重新安装匹配版本的PyTorch和CUDA工具包
– Visual C++ Redistributable未正确安装

Q2: CUDA is not available

A:
1. nvidia-smi检查驱动是否正常工作
2. nvcc --version检查CUDA Toolkit是否正确安装
3. PyTorch是否安装了GPU版本

Q3: CondaHTTPError

A:
– conda config --remove-key channels重置源
– conda clean -i清除索引缓存
– conda config --set ssl_verify no临时关闭SSL验证

PyCharm配置提示

如果你使用PyCharm开发：
1. File → Settings → Project → Python Interpreter
2. Add Interpreter → Conda Environment
3. Existing environment → Select pytorch_env

Jupyter Notebook支持

要在Jupyter中使用该环境：

代码片段

conda install ipykernel jupyter notebook matplotlib pandas scikit-learn seaborn tqdm numpy scipy pillow opencv-python tensorboard -y 
python -m ipykernel install --user --name=pytorch_env --display-name="Python (pytorch)"
jupyter notebook

PyTorch扩展推荐

以下是一些常用扩展库：

代码片段

pip install torchtext transformers torchmetrics lightning timm kornia fastai albumentations captum wandb pycocotools

Windows特定优化建议

禁用全屏优化：对.exe文件右键→属性→禁用全屏优化
电源管理：设置为”高性能模式”
WSL集成：考虑使用WSL2获得更好的Linux兼容性

PyTorch多GPU训练配置示例（高级）

如果你的系统有多个GPU：

代码片段

import os 

os.environ["MASTER_ADDR"] = "localhost"
os.environ["MASTER_PORT"] = "29500"

def setup(rank, world_size):
    dist.init_process_group("nccl", rank=rank, world_size=world_size)

def cleanup():
    dist.destroy_process_group()

class ToyModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.net1 = nn.Linear(10,10)
        self.relu = nn.ReLU()
        self.net2 = nn.Linear(10,5)

    def forward(self,x):
        return self.net2(self.relu(self.net1(x)))

def demo_basic(rank, world_size):
    setup(rank, world_size)

    model = ToyModel().to(rank)
    ddp_model = DDP(model, device_ids=[rank])

    loss_fn = nn.MSELoss()
    optimizer = optim.SGD(ddp_model.params(), lr=0.001)

    # ...训练代码...

if __name__ == "__main__":
    world_size = torch.cuda.device_count()
    mp.spawn(demo_basic,
             args=(world_size,),
             nprocs=world_size,
             join=True)

Docker方式部署（可选）

对于需要隔离环境的用户：

代码片段

FROM nvidia/cuda:x.x.x-base-ubuntu20.04 

RUN apt-get update && apt-get install -y python3 python3-pip && \
    pip install torch==x.x.x+cu121 -f https://download.pytorch.org/whl/torch_stable.html

CMD ["python"]

构建并运行：

代码片段

docker build -t pytorch-gpu .
docker run --gpus all -it pytorch-gpu python -c "import torch; print(torch.cuda.is_available())"

Windows Subsystem for Linux (WSL)方案

如果你更喜欢Linux环境但必须使用Windows：
1. Microsoft Store中搜索并安装Ubuntu LTS
2. wsl --install启用WSL功能
3. wsl --set-default-version 2设置WSL2
4. sudo apt update && sudo apt upgrade更新系统
5. WSL中同样可以使用上述conda/pip方法安装PyTorch

注意：WSL中的CUDA需要额外配置NVIDIA驱动！

通过以上步骤，你应该已经成功在Windows10上安装了最新版的PyTorch。如果在过程中遇到任何问题，可以参考官方文档或社区论坛寻求帮助。Happy deep learning!