国内网络安装 Pytorch 下载慢？这些方法轻松解决！

在深度学习的火热浪潮中，Pytorch 凭借其卓越的动态计算图特性与强大的 GPU 加速能力，成为众多开发者的首选框架。但国内的小伙伴们在安装 Pytorch 时，想必都被那缓慢如蜗牛的下载速度折磨过。官方安装命令一下载就超时，进度条仿佛静止了一般，极大地阻碍了开发效率。别着急，今天就给大家分享几种超实用的解决方法，轻松搞定 Pytorch 安装难题！

一、本地安装：巧妙绕过网络难题

国内网络环境复杂，访问国外资源时常常力不从心，而 Pytorch 官方安装源恰好在国外，这就导致直接安装极易失败。本地安装则是提前从国内镜像源下载好安装包，后续安装全程在本地进行，完美避开网络不稳定的影响，并且为后续反复调试和安装提供了极大的便利。

目前国内镜像源众多，像清华源、阿里云源、中科大源等都是不错的选择。不过要注意，现阶段仅稳定版支持镜像下载哦。下面以清华源为例，详细讲讲具体操作步骤：

1. 精准定位并下载安装包：

访问清华源 PyTorch 镜像地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/，进入页面后，你可以通过 “Ctrl + F” 快捷键快速搜索，也可以手动仔细查找所需的 Pytorch 安装包。找到后，借助像 IDM 这类强大的下载工具，利用其多线程下载功能，将安装包飞速保存到本地指定文件夹。

1. 复制安装包路径：

下载完成后，进入保存安装包的文件夹，右键点击安装包，选择 “复制文件地址”，这个地址可是后续安装命令的关键所在。

1. 执行安装命令：

• • pip 安装：打开命令行窗口，输入
  • “pip install "复制的文件地址" -i https://pypi.tuna.tsinghua.edu.cn/simple”。
  • 比如：“pip install "D:\Users\love\Downloads\torch - 2.6.0 - cp313 - cp313 - win_amd64.whl" -i https://pypi.tuna.tsinghua.edu.cn/simple”。
  • 这里的 “-i https://pypi.tuna.tsinghua.edu.cn/simple” 参数，作用是在安装本地 torch 包的同时，指定从该镜像地址下载相关依赖，保障整个安装流程顺畅无阻。

• • conda 安装：如果你习惯使用 conda，那就先在 conda 官方源里搜索 Pytorch 包。在命令行输入 “conda search 包名”，例如 “conda search torch”，搜索结果会列出各种版本的 Pytorch 包，根据需求选择合适的包，然后执行安装命令，如 “conda install 地址 + 包名” 。

二、巧用 Pytorch 镜像源

国内常用的 PyTorch 下载镜像源地址及相关使用方法

以下是一些国内常用的 PyTorch 下载镜像源地址及相关使用方法，综合了多个可靠来源的信息：

一、常用镜像源地址

1. 清华大学镜像源

   • Conda 安装：
     添加 PyTorch 的专用镜像频道（适用于 Windows/Linux）：

     https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

     配置方法：

     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/  # Windows
     
     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/  # Linux

   • Pip 安装：

     https://pypi.tuna.tsinghua.edu.cn/simple/

     示例命令：

     pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple/

2. 阿里云镜像源

   • Pip 安装：

     http://mirrors.aliyun.com/pypi/simple/

     示例命令：

     pip install torch==1.7.1 torchvision==0.8.2 -i http://mirrors.aliyun.com/pypi/simple/

3. 中国科学技术大学镜像源

   • Pip 安装：

     https://pypi.mirrors.ustc.edu.cn/simple/

     示例命令（支持超时设置和用户权限）：

     pip install --default-timeout=1000 --user torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple/

4. 豆瓣镜像源

   • Pip 安装：

     http://pypi.douban.com/simple/

     适用于基础依赖包下载，但 PyTorch 可能更新较慢。

二、注意事项

1. 版本匹配

   • 安装前需确认 CUDA 版本、Python 版本与 PyTorch 的兼容性。例如，CUDA 10.0 对应 cu100 后缀的包。

   • 查看 CUDA 版本命令：

     nvcc -V

2. Conda 镜像配置

   • 若使用 Conda，建议先添加基础频道（如 free 和 main），再添加 PyTorch 专用频道：

     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

3. 常见报错处理

   • 超时问题：增加 --default-timeout=1000 参数。

   • 权限问题：添加 --user 参数或使用管理员权限安装。

   • 哈希校验失败：尝试 --upgrade 强制更新。

三、离线安装参考

若网络受限，可通过镜像站下载 .whl 或 .tar.bz2 文件后本地安装：

1. 清华镜像站：

   • 访问 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 手动选择对应版本。

2. 上海交大镜像站：

   • 部分历史版本可通过非官方渠道获取（需自行验证安全性）。

以上镜像源均为国内用户常用且验证有效的地址，建议优先选择清华大学或阿里云镜像以保障下载速度与稳定性。更多细节可参考对应镜像站文档或博客原文。