如何在Linux上升级PyTorch版本

Linux上升级 PyTorch 的简明步骤

一 准备与环境隔离

• 建议使用虚拟环境隔离依赖，避免影响系统或其他项目：
  • 使用 venv：
    • 创建：python3 -m venv ~/venvs/pt-upgrade
    • 激活：source ~/venvs/pt-upgrade/bin/activate
• 检查当前 PyTorch 与 CUDA 状态（升级前后都建议执行一次）：
  • 查看版本与 CUDA 可用性：
    • python - <<'PY' import torch print("PyTorch:", torch.__version__) print("CUDA available:", torch.cuda.is_available()) if torch.cuda.is_available(): print("CUDA runtime:", torch.version.cuda) PY
  • 查看驱动与设备支持的最高 CUDA（nvidia-smi 右上角显示）：nvidia-smi。

二 使用 pip 升级

• 升级到最新兼容版本（推荐在虚拟环境中执行）：
  • CPU 或已配置好 GPU 的通用升级：
    • pip install --upgrade torch torchvision torchaudio
  • 指定 GPU 构建（强烈建议显式指定与驱动匹配的 CUDA 版本，避免“升完变 CPU”）：
    • CUDA 11.8：pip install --upgrade torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
    • CUDA 12.1：pip install --upgrade torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
• 若遇到依赖冲突或旧包残留，先卸载再装：
  • pip uninstall torch torchvision torchaudio -y
  • 再执行上面的安装命令。

三 使用 conda 升级

• 在激活的 conda 环境中执行（会自动解析依赖）：
  • 最新稳定版：conda install pytorch torchvision torchaudio -c pytorch
• 如需指定版本（示例）：conda install pytorch=2.3.1 torchvision=0.18.1 torchaudio=2.3.1 -c pytorch
• 若之前用 pip 安装过，建议优先使用 conda 统一管理，或在干净环境中操作以避免混源冲突。

四 验证与常见问题

• 验证要点：
  • 版本与 CUDA 可用性：python - <<'PY' import torch print("PyTorch:", torch.__version__) print("CUDA available:", torch.cuda.is_available()) if torch.cuda.is_available(): print("CUDA runtime:", torch.version.cuda) PY
  • GPU 计算测试（可选）：python - <<'PY' import torch x = torch.randn(2,3).cuda() print("GPU tensor:", x.device, x.shape) PY
• 常见问题与处理：
  • 升级后 torch.cuda.is_available() 为 False：多半是安装了不含 CUDA 的构建。请使用带 --index-url https://download.pytorch.org/whl/cu118 或 cu121 的命令重新安装，确保与驱动支持匹配（见上文 nvidia-smi 输出）。
  • 依赖冲突：先 pip uninstall 相关包，或在干净虚拟环境重装；必要时升级冲突依赖（如 numpy）后再装 PyTorch。
  • 国内镜像加速（可选，pip 场景）：pip install --upgrade torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple（注意镜像可能滞后，GPU 构建建议优先官方源）。