pip conda 源 清华

### 配置清华源并安装 PyTorch #### 使用 Pip 安装 PyTorch 为了通过清华大学的镜像源加速 `pip` 的安装过程，可以按照以下方法操作： 1. **设置临时镜像源** 如果仅希望在当前命令中使用清华大学的镜像源来安装包，可以直接指定 `-i` 参数。例如，要安装某个 Python 包（假设为 `package`），可以通过如下方式实现[^1]： ```bash pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package ``` 2. **升级 Pip 到最新版本** 在安装 PyTorch 前，建议先确保虚拟环境中使用的 `pip` 是最新的版本，这有助于避免潜在兼容性问题[^2]： ```bash python -m pip install --upgrade pip ``` 3. **正式安装 PyTorch** 接下来，可通过官方推荐的方式下载适合系统的 PyTorch 版本。通常情况下，PyTorch 提供了一个便捷工具页面用于生成对应的安装命令。访问 [https://pytorch.org/get-started/locally/](https://pytorch.org/get-started/locally/) 并根据操作系统、Python 版本以及 CUDA 支持情况获取具体命令。 若需要手动替换为清华大学的 PyPI 源，则可尝试类似的结构化命令： ```bash pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu117/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple ``` --- #### 使用 Conda 安装 PyTorch 对于 Anaconda 用户来说，配置清华大学的镜像源能够显著提升依赖项解决速度和整体性能。 1. **添加清华镜像作为默认通道** 若要长期利用该资源库，需执行以下指令以修改 `.condarc` 文件的内容[^3]: ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/ conda config --set show_channel_urls yes ``` 2. **验证配置更改成功与否** 可运行下面这条语句查看已设定好的 channel 是否包含上述地址之一： ```bash conda config --show-sources ``` 3. **实际安装流程** 当完成以上准备工作之后，就可以轻松地调用标准形式去部署所需的深度学习框架及其关联组件了。比如这里我们打算引入支持特定版本 cuda 工具集 (此处设定了 9.0) 下面两个主要模块即 PyTorch 和 TorchVision : ```bash conda install pytorch torchvision cudatoolkit=9.0 -c pytorch ``` --- ### 总结 无论是采用 `pip` 还是 `conda` 方法，在适当调整好对应国内高效分发站点链接的基础上都可以顺利完成目标软件栈搭建工作。同时提醒注意各自平台特性差异可能带来的细微区别处理需求。