CentOS上PyTorch安装包从哪里下载

下载渠道与推荐路径

• 官方渠道：使用 PyTorch 的 pip 索引 URL https://download.pytorch.org/whl/，按 CUDA 版本选择子目录（如 cu118、cu121），下载对应的 Linux x86_64 wheel 包（.whl） 后用 pip 安装。示例目录：https://download.pytorch.org/whl/cu118。该方式适用于 CentOS 7/8/Stream 等常见发行版。
• 官网页面：访问 https://pytorch.org/get-started/locally/，选择系统、包管理器、Python 与 CUDA 版本，页面会给出可直接复制的 pip/conda 安装命令；如需离线，可复制命令中的下载链接进行手动下载。
• 历史版本：如需旧版，可在 PyTorch 官网选择 Previous Versions，或直接在 https://download.pytorch.org/whl/ 下选择对应 cuXX 目录查找历史轮子。

离线下载与安装步骤

• 确认环境信息：在终端执行 nvidia-smi 查看 CUDA Version（如 11.8、12.1），并确保驱动与 CUDA 版本匹配。
• 选择并下载 wheel：进入对应目录（如 cu121），按 Python 主次版本选择文件，例如 torch-2.2.1%2Bcu121-cp310-cp310m-linux_x86_64.whl（URL 中的 %2B 即加号 +）。也可在官网生成命令后复制链接离线下载。
• 安装与验证：在目标环境执行 pip 安装并验证
  • pip install torch-2.2.1%2Bcu121-cp310-cp310m-linux_x86_64.whl
  • python - < < ‘PY’ import torch print(torch.version, torch.cuda.is_available()) PY 若输出 PyTorch 版本号且 torch.cuda.is_available() 为 True，则安装成功。

版本匹配与目录选择要点

• 驱动、CUDA Toolkit 与 PyTorch 版本需匹配；先用 nvidia-smi 确认 CUDA 运行时版本，再选择对应的 cu118/cu121 等目录。
• wheel 文件名包含关键三元组：例如 cu121（CUDA 版本）、cp310（Python 3.10）、linux_x86_64（平台）；必须与环境一致才能安装成功。
• 无 GPU 或仅需 CPU 版本时，选择 CPU-only 安装方式（pip 安装命令含 cpuonly 或在索引中选择 cpu 目录）。

常见下载目录示例

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！