Installation de PyTorch

PyTorch est un framework populaire d'apprentissage profond qui prend en charge le calcul sur CPU et GPU.

Systèmes d'exploitation pris en charge

  • Windows: Windows 10 ou version ultérieure (64 bits)
  • macOS: macOS 10.15 (Catalina) ou version ultérieure
  • Linux: distributions répandues (Ubuntu 18.04+, CentOS 7+, RHEL 7+, etc.)

Versions de Python requises

  • Version recommandée: Python 3.8 - 3.11
  • Exigence minimale: Python 3.7
  • Remarque: la prise en charge de Python 3.12+ peut être limitée ; il est recommandé d'utiliser une version stable.

Configuration matérielle requise

  • CPU: processeur x86_64 prenant en charge le jeu d'instructions SSE4.2
  • Mémoire: au moins 4GB de RAM (8GB+ recommandés)
  • Stockage: au moins 3GB d'espace libre
  • GPU(Optionnel) : GPU NVIDIA avec CUDA Compute Capability 3.5+

Compatibilité CUDA (version GPU)

Version de PyTorch Versions CUDA prises en charge Version CUDA recommandée
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

Préparatifs avant installation

Vérifier les informations système

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

Gestion de l'environnement Python

Utilisation d'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

Utilisation de venv (intégré à 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

Installer PyTorch

PyTorch propose officiellement plusieurs méthodes d'installation, qui peuvent être installées via pip ou conda.

Installation de la version CPU

Installer PyTorch avec 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

Installer avec conda :

Si vous utilisez Anaconda ou Miniconda pour gérer des environnements Python, installer PyTorch avec conda peut être plus simple et plus efficace.

# 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 vous n'êtes pas familier avec Anaconda, vous pouvez consulter :Tutoriel Anaconda

Installer via le site officiel de PyTorch

Visitez le site officiel de PyTorchhttps://pytorch.org/get-started/locally/, le site propose un outil pratique qui peut recommander des commandes d'installation en fonction de la configuration de votre système (système d'exploitation, gestionnaire de paquets, version de Python et version de CUDA).

Installer à partir des sources

Si vous devez installer PyTorch depuis les sources, ou si vous souhaitez essayer la dernière version de développement, vous pouvez utiliser la commande suivante :

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

Cela clonera le code source de PyTorch depuis GitHub et l'installera à l'aide de setup.py.

Installation de la version GPU (CUDA)

Installer CUDA (si nécessaire) :

# 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

Installer la version 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

Notes spécifiques à macOS

Mac Apple Silicon (M1/M2) :

# 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())"

Mac Intel :

# 标准安装
pip install torch torchvision torchaudio

Vérifier l'installation

Pour garantir que PyTorch est correctement installé, nous pouvons vérifier si l'installation a réussi en exécutant le code PyTorch suivant :

Exemple

import torch

# Version de la bibliothèque PyTorch actuellement installée
print(torch.__version__)
# Vérifier si CUDA est disponible, c'est-à-dire si votre système dispose d'un GPU NVIDIA
print(torch.cuda.is_available())

Sitorch.cuda.is_available()renvoie True, cela signifie que PyTorch a détecté avec succès votre GPU.

Un exemple simple : construction d'un tenseur initialisé aléatoirement :

Exemple

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

Si l'installation réussit, la sortie sera similaire à ce qui suit :

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]])
Autres extensions