2025年最新 PyTorch 与 PyTorch3D 安装指南 (官方推荐与最佳实践)

随着 PyTorch 官方正式宣布弃用其在 Anaconda 上的自有频道 (-c pytorch)，整个安装生态迎来了重要变化。本指南将为您提供当前最稳定、最高效的安装方法。

核心原则：理解变化

1. 首选 pip：对于获取官方最新、最稳定的 PyTorch 版本，pip 已成为无可争议的首选。
2. Conda 用于环境，conda-forge 用于包：Conda/Mamba 依然是管理复杂依赖和虚拟环境的最佳工具。但在安装 PyTorch 时，应依赖社区维护的 conda-forge 频道。
3. 告别 -c pytorch：除非有特殊需求要安装非常旧的版本，否则请彻底忘记这个已弃用的官方频道。

---

第一部分：安装 PyTorch (二选一)

在安装任何东西之前，请务必创建并激活一个干净的虚拟环境。这是保证项目隔离和避免依赖冲突的最佳实践。

# 推荐：使用 Mamba/Conda 创建环境 (环境管理能力更强)


<NolebasePageProperties />




mamba create -n torch_env python=3.10
conda activate torch_env

方法一：使用 pip (官方金标准)

这是最直接、最受官方支持的方法，能确保您安装到最新的官方编译版本。

1. 访问 PyTorch 官网：打开 PyTorch 安装页面。
2. 通过图形界面选择您的配置：
   • PyTorch Build: Stable (稳定版)
   • Your OS: Windows, Linux, or macOS
   • Package: Pip
   • Language: Python
   • Compute Platform: 通过在终端运行 nvidia-smi 命令查看您的 CUDA 版本，然后选择对应的选项（如 CUDA 12.1 或 11.8）。如果没有 NVIDIA GPU，请选择 CPU。
3. 复制并运行生成的命令。

示例命令 (适用于 CUDA 12.1):

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

• 说明：--index-url 参数会直接指向 PyTorch 官方的软件包索引，确保了来源的权威性和兼容性。

方法二：使用 conda-forge (Conda 生态首选)

如果您深度依赖 Conda 环境来管理所有包（包括 C++ 库和 CUDA 工具链），conda-forge 是当前正确的选择。推荐使用 mamba，它的依赖解析速度远超 conda。

# 激活您的环境
conda activate torch_env

# 推荐使用 mamba 从 conda-forge 频道安装 (以 CUDA 12.1 为例)
mamba install pytorch torchvision torchaudio pytorch-cuda=12.1 -c conda-forge -c nvidia

• 说明：
  • -c conda-forge：指定从 conda-forge 频道获取 PyTorch 主包。
  • -c nvidia：指定从 nvidia 频道获取 CUDA 相关的底层库。
  • pytorch-cuda=12.1：这是一个元数据包，用于锁定环境所依赖的 CUDA 版本，确保兼容性。

---

第二部分：安装 PyTorch3D

前提： 必须确保您已经通过上述方法之一成功安装了兼容的 PyTorch 版本。

方法一：pip 安装预编译包 (最简单、成功率最高)

PyTorch3D 官方为绝大多数主流环境组合提供了预编译的 wheel 文件，可以避免本地编译的各种麻烦。

1. 安装核心依赖：

   pip install fvcore iopath

2. 运行官方脚本自动安装： 这段 Python 代码会自动检测您的环境（PyTorch, Python, CUDA 版本），并下载对应的 PyTorch3D 包。

   # 在您的终端中直接运行 pip install ...
   # 注意：请将 cu121 和 py310 替换为您的 CUDA 和 Python 版本
   # 例如：CUDA 11.8, Python 3.9 -> cu118, py39
   pip install pytorch3d -f https://dl.fbaipublicfiles.com/pytorch3d/packaging/wheels/py310_cu121_pyt2.3.0/download.html

   • 小技巧：访问 https://dl.fbaipublicfiles.com/pytorch3d/packaging/wheels/ 目录，可以手动查找适合您环境的 wheel 链接。

方法二：从源码编译 (当预编译包不可用时)

如果找不到适合您环境的预编译包，或者您需要最新的功能，从源码编译是最佳选择。

# 直接从 GitHub 安装最新的稳定版
pip install "git+https://github.com/facebookresearch/pytorch3d.git@stable"

---

最终方案：一键式环境创建与安装命令

对于追求效率的用户，可以使用 mamba 的强大能力，在创建环境的同时解析并安装所有依赖。这是管理复杂项目的最佳实践。

在运行前：请通过 nvidia-smi 确认您的 CUDA Driver Version，并选择一个兼容的 CUDA Toolkit 版本（通常比驱动版本低，例如驱动为 535.xx 可支持 12.1）。

一键安装命令 (GPU 版本)

下面的命令将创建一个名为 p3d_env 的新环境，使用 Python 3.10，并安装与 CUDA 12.1 兼容的 PyTorch, PyTorch3D 及其所有依赖。

# 将 pytorch-cuda=12.1 中的版本号替换为您需要的版本
mamba create -n p3d_env python=3.10 pytorch torchvision torchaudio pytorch-cuda=12.1 pytorch3d fvcore iopath -c pytorch3d -c conda-forge -c nvidia

• 命令解析:
  • mamba create -n p3d_env ...: 创建一个新环境并安装所有列出的包。
  • python=3.10: 固定 Python 版本，保证环境可复现。
  • pytorch-cuda=12.1: 指定 CUDA 版本。
  • -c pytorch3d -c conda-forge -c nvidia: 指定频道的优先级。Mamba 会优先从 pytorch3d 官方频道寻找包，然后是 conda-forge，最后是 nvidia。这确保了每个包都从最合适的来源获取。

一键安装命令 (CPU 版本)

如果您没有 NVIDIA GPU，可以使用以下命令：

mamba create -n p3d_env_cpu python=3.10 pytorch-cpu torchvision-cpu torchaudio-cpu pytorch3d fvcore iopath -c pytorch3d -c conda-forge

• 注意：pytorch-cpu 等包明确指定了 CPU 版本，避免了下载不必要的 CUDA 库。

安装完成后，激活环境即可开始使用：

conda activate p3d_env
# 或者 conda activate p3d_env_cpu

贡献者

Xyea

页面历史

最后编辑于 17 天前

查看完整历史

bf4c6d0-update note(s).