Instalación de PyTorch

PyTorch es un popular marco de trabajo de aprendizaje profundo que admite cómputo con CPU y GPU.

Sistemas operativos compatibles

  • Windows: Windows 10 o posterior (64 bits)
  • macOS: macOS 10.15 (Catalina) o posterior
  • Linux: Distribuciones principales (Ubuntu 18.04+, CentOS 7+, RHEL 7+, etc.)

Requisitos de versión de Python

  • Versión recomendada：Python 3.8 - 3.11
  • Requisito mínimo：Python 3.7
  • Nota: El soporte para Python 3.12+ puede ser limitado; se recomienda usar una versión estable.

Requisitos de hardware

  • CPU: Procesador x86_64 compatible con el conjunto de instrucciones SSE4.2
  • Memoria: Al menos 4 GB de RAM (se recomienda 8 GB o más)
  • Almacenamiento: Al menos 3 GB de espacio disponible
  • GPU(Opcional): GPU NVIDIA con CUDA Compute Capability 3.5+

Compatibilidad con CUDA (versión GPU)

Versión de PyTorch Versiones de CUDA compatibles Versión de CUDA recomendada
2.1.x 11.8, 12.1 12.1
2.0.x 11.7, 11.8 11.8
1.13.x 11.6, 11.7 11.7

Preparativos antes de la instalación

Verificar la información del sistema

Windows:

# 检查 Windows 版本
winver

# 检查 Python 版本
python --version

# 检查是否有 NVIDIA GPU
nvidia-smi

macOS

# 检查 macOS 版本
sw_vers

# 检查 Python 版本
python3 --version

# 检查是否有兼容的 GPU（Apple Silicon）
system_profiler SPDisplaysDataType

Linux

# 检查发行版信息
cat /etc/os-release

# 检查 Python 版本
python3 --version

# 检查 NVIDIA GPU
nvidia-smi

# 检查 CUDA 版本（如果已安装）
nvcc --version

Gestión del entorno de Python

Usando Anaconda/Miniconda:

# 下载并安装 Miniconda
# Windows: https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe
# macOS: https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
# Linux: https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

# 创建专用环境
conda create -n pytorch_env python=3.10
conda activate pytorch_env

Usando venv (incluido con Python)

# 创建虚拟环境
python -m venv pytorch_env

# 激活环境
# Windows
pytorch_env\Scripts\activate
# macOS/Linux
source pytorch_env/bin/activate

Instalación de PyTorch

PyTorch ofrece oficialmente varios métodos de instalación, que se pueden realizar a través de pip o conda.

Instalación de la versión para CPU

Instalación de PyTorch con pip:

# 最新稳定版本
pip install torch torchvision torchaudio

# 指定版本
pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0

# 仅 CPU 版本（更小的安装包）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

Instalación con conda:

Si usas Anaconda o Miniconda para gestionar el entorno de Python, instalar PyTorch con conda puede ser más sencillo y eficiente.

# 从 conda-forge 安装
conda install pytorch torchvision torchaudio cpuonly -c pytorch

# 或从 conda-forge 渠道
conda install pytorch torchvision torchaudio -c conda-forge

Si no conoces Anaconda, puedes consultar:Tutorial de Anaconda

Instalación a través del sitio web oficial de PyTorch

Visita el sitio web oficial de PyTorchhttps://pytorch.org/get-started/locally/, el sitio web ofrece una herramienta práctica que recomienda comandos de instalación según la configuración de tu sistema (sistema operativo, gestor de paquetes, versión de Python y versión de CUDA).

Instalación desde el código fuente

Si necesitas instalar PyTorch desde el código fuente, o quieres probar la versión de desarrollo más reciente, puedes usar el siguiente comando:

git clone --recursive https://github.com/pytorch/pytorch
cd pytorch
python setup.py install

Esto clonará el código fuente de PyTorch desde GitHub y lo instalará usando setup.py.

Instalación de la versión GPU (CUDA)

Instalar CUDA (si es necesario):

# Ubuntu/Debian
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda-repo-ubuntu2004-12-1-local_12.1.0-530.30.02-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-12-1-local_12.1.0-530.30.02-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2004-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

# CentOS/RHEL
sudo yum install -y https://developer.download.nvidia.com/compute/cuda/repos/rhel8/x86_64/cuda-repo-rhel8-12.1.0-1.x86_64.rpm
sudo yum clean all
sudo yum -y install cuda

Instalar la versión GPU de PyTorch:

# CUDA 12.1 版本
pip install torch torchvision torchaudio

# CUDA 11.8 版本
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

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

Notas especiales para macOS

Apple Silicon (M1/M2) Mac:

# 使用 Metal Performance Shaders (MPS) 后端
pip install torch torchvision torchaudio

# 验证 MPS 可用性
python -c "import torch; print(torch.backends.mps.is_available())"

Intel Mac:

# 标准安装
pip install torch torchvision torchaudio

Verificar la instalación

Para asegurarnos de que PyTorch se ha instalado correctamente, podemos verificar si la instalación fue exitosa ejecutando el siguiente código de PyTorch:

Ejemplo

import torch

# Versión de la biblioteca de PyTorch instalada actualmente
print(torch.__version__)
# Comprueba si CUDA está disponible, es decir, si tu sistema tiene una GPU NVIDIA
print(torch.cuda.is_available())

Sitorch.cuda.is_available()la salida es True, entonces PyTorch ha reconocido tu GPU correctamente.

Un ejemplo sencillo: crear un tensor inicializado aleatoriamente:

Ejemplo

import torch
x = torch.rand(5, 3)
print(x)

Si la instalación fue exitosa, la salida será similar a la siguiente:

tensor([[0.3380, 0.3845, 0.3217],
        [0.8337, 0.9050, 0.2650],
        [0.2979, 0.7141, 0.9069],
        [0.1449, 0.1132, 0.1375],
        [0.4675, 0.3947, 0.1426]])
Otras extensiones