PyTorch 三件套版本对应关系与安装指南

PyTorch 三件套 - torch、torchvision、torchaudio

PyTorch 生态系统主要由三个核心库组成：torch（核心库）、torchvision（计算机视觉）和 torchaudio（音频处理）。正确安装匹配的版本对于项目的稳定运行至关重要。

什么是 PyTorch 三件套？

torch：PyTorch 核心库，提供张量计算、自动微分、神经网络等基础功能
torchvision：计算机视觉工具包，包含常用的数据集、模型架构和图像变换
torchaudio：音频处理工具包，提供音频 I/O、变换和常用数据集

⚠️ 重要提示：三个库的版本必须互相兼容，否则可能导致运行时错误！

版本对应关系表

主要版本对应关系

torch 版本	torchvision 版本	torchaudio 版本	Python 版本
2.9	0.24.*	2.9.*	>=3.10, <=3.14
2.8	0.23.*	2.8.*	>=3.9, <=3.13
2.7	0.22.*	2.7.*	>=3.9, <=3.13
2.6	0.21.*	2.6.*	>=3.9, <=3.12
2.5	0.20.*	2.5.*	>=3.9, <=3.12
2.4	0.19.*	2.4.*	>=3.8, <=3.12
2.3	0.18.*	2.3.*	>=3.8, <=3.12
2.2	0.17.*	2.2.*	>=3.8, <=3.11
2.1	0.16.*	2.1.*	>=3.8, <=3.11
2.0	0.15.*	2.0.*	>=3.8, <=3.11

📋 查看更多旧版本对应关系

torch 版本	torchvision 版本	torchaudio 版本	Python 版本
1.13	0.14.*	0.13.*	>=3.7.2, <=3.10
1.12	0.13.*	0.12.*	>=3.7, <=3.10
1.11	0.12.*	0.11.*	>=3.7, <=3.10
1.10	0.11.*	0.10.*	>=3.6, <=3.9
1.9	0.10.*	0.9.*	>=3.6, <=3.9
1.8	0.9.*	0.8.*	>=3.6, <=3.9

💡 版本说明：

* 表示该位置的版本号可以是任意数字
例如：0.23.* 可以是 0.23.0、0.23.1、0.23.2 等

安装方法

使用 uv 安装（推荐 ⭐）

uv 是新一代的 Python 包管理工具，速度更快，依赖解析更智能。

安装最新稳定版本

1 2	`# 自动匹配 torchvision 版本 uv add torch torchvision torchaudio`

安装指定版本（推荐方式）

# 安装 PyTorch 2.8 系列
uv add "torch==2.8.*" torchvision "torchaudio==2.8.*"

# 安装 PyTorch 2.7 系列
uv add "torch==2.7.*" torchvision "torchaudio==2.7.*"

# 安装 PyTorch 2.6 系列
uv add "torch==2.6.*" torchvision "torchaudio==2.6.*"

💡 为什么 torchvision 不指定版本？

只指定 torch 版本，torchvision 会自动匹配对应的版本
这是因为 torchvision 的版本号与 torch 不一致（例如 torch 2.8 对应 torchvision 0.23）
uv 的智能依赖解析会自动选择正确的版本

安装特定精确版本

1 2	`# 安装特定的精确版本 uv add torch==2.8.0 torchvision==0.23.0 torchaudio==2.8.0`

使用 CPU 版本

1 2	`# CPU 版本（体积更小） uv add "torch==2.8." torchvision "torchaudio==2.8." --index-url https://download.pytorch.org/whl/cpu`

使用 CUDA 版本

# CUDA 11.8 版本
uv add "torch==2.8.*" torchvision "torchaudio==2.8.*" --index-url https://download.pytorch.org/whl/cu118

# CUDA 12.1 版本
uv add "torch==2.8.*" torchvision "torchaudio==2.8.*" --index-url https://download.pytorch.org/whl/cu121

# CUDA 12.4 版本
uv add "torch==2.8.*" torchvision "torchaudio==2.8.*" --index-url https://download.pytorch.org/whl/cu124

使用 pip 安装

如果你使用传统的 pip 工具，可以使用以下命令：

安装最新稳定版本

1 2	`# 自动匹配版本 pip install torch torchvision torchaudio`

安装指定版本

# 安装 PyTorch 2.8 系列
pip install torch==2.8.* torchvision torchaudio==2.8.*

# 安装 PyTorch 2.7 系列
pip install torch==2.7.* torchvision torchaudio==2.7.*

# 或者指定精确版本
pip install torch==2.8.0 torchvision==0.23.0 torchaudio==2.8.0

使用 CPU 版本

1 2	`# CPU 版本 pip install torch==2.8.* torchvision torchaudio==2.8.* --index-url https://download.pytorch.org/whl/cpu`

使用 CUDA 版本

# CUDA 11.8 版本
pip install torch==2.8.* torchvision torchaudio==2.8.* --index-url https://download.pytorch.org/whl/cu118

# CUDA 12.1 版本
pip install torch==2.8.* torchvision torchaudio==2.8.* --index-url https://download.pytorch.org/whl/cu121

# CUDA 12.4 版本
pip install torch==2.8.* torchvision torchaudio==2.8.* --index-url https://download.pytorch.org/whl/cu124

国内镜像加速

对于国内用户，可以使用镜像源加速下载：

使用 uv（清华镜像）

1
2
3

# 使用清华镜像
uv add "torch==2.8.*" torchvision "torchaudio==2.8.*" \
  --index-url https://pypi.tuna.tsinghua.edu.cn/simple

使用 pip（清华镜像）

1
2
3

# 使用清华镜像
pip install torch==2.8.* torchvision torchaudio==2.8.* \
  -i https://pypi.tuna.tsinghua.edu.cn/simple

其他国内镜像源

# 阿里云镜像
-i https://mirrors.aliyun.com/pypi/simple/

# 中科大镜像
-i https://pypi.mirrors.ustc.edu.cn/simple/

# 豆瓣镜像
-i https://pypi.douban.com/simple/

⚠️ 注意：官方 PyTorch 镜像（download.pytorch.org）可能不在国内镜像源中，CUDA 版本建议直接使用官方源。

如何选择合适的版本？

1. 确定 Python 版本

首先检查你的 Python 版本：

1	`python --version`

根据上面的版本对应表，选择支持你 Python 版本的 PyTorch 版本。

2. 确定 CUDA 版本（GPU 用户）

如果你要使用 GPU，需要检查 CUDA 版本：

# Linux/macOS
nvidia-smi

# Windows (PowerShell)
nvidia-smi

常见 CUDA 版本对应关系：

CUDA 11.8：兼容性好，适合大多数场景
CUDA 12.1：较新版本，性能更好
CUDA 12.4：最新版本，支持最新特性

3. 选择 PyTorch 版本

一般建议：

🔹 新项目：使用最新稳定版（当前 2.8 或 2.9）
🔹 生产环境：使用 LTS 版本（2.4+ 较稳定）
🔹 旧项目：保持与项目要求一致的版本

4. CPU vs GPU

CPU 版本：适合学习、轻量级任务、没有 GPU 的机器
GPU 版本：适合训练深度学习模型、大规模计算

💡 提示：CPU 版本的安装包更小，下载更快。

验证安装

安装完成后，可以运行以下 Python 代码验证：

import torch
import torchvision
import torchaudio

# 查看版本
print(f"PyTorch 版本: {torch.__version__}")
print(f"TorchVision 版本: {torchvision.__version__}")
print(f"TorchAudio 版本: {torchaudio.__version__}")

# 检查 CUDA 是否可用
print(f"CUDA 是否可用: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"CUDA 版本: {torch.version.cuda}")
    print(f"GPU 设备数量: {torch.cuda.device_count()}")
    print(f"当前 GPU: {torch.cuda.get_device_name(0)}")

预期输出示例：

PyTorch 版本: 2.8.0
TorchVision 版本: 0.23.0
TorchAudio 版本: 2.8.0
CUDA 是否可用: True
CUDA 版本: 12.1
GPU 设备数量: 1
当前 GPU: NVIDIA GeForce RTX 4090

常见问题

版本冲突怎么办？

如果遇到版本冲突，可以使用以下方法：

使用 uv（推荐）：

1 2	`# uv 会自动解决依赖冲突 uv sync`

使用 pip：

1
2
3

# 先卸载再重新安装
pip uninstall torch torchvision torchaudio
pip install torch==2.8.* torchvision torchaudio==2.8.*

如何升级到新版本？

使用 uv：

# 升级到最新版本
uv add --upgrade torch torchvision torchaudio

# 升级到指定版本
uv add --upgrade "torch==2.9.*" torchvision "torchaudio==2.9.*"

使用 pip：

# 升级到最新版本
pip install --upgrade torch torchvision torchaudio

# 升级到指定版本
pip install --upgrade torch==2.9.* torchvision torchaudio==2.9.*

安装太慢怎么办？

使用国内镜像源（见上文）
使用 uv 替代 pip（速度快 10-100 倍）
使用 CPU 版本（安装包更小）
检查网络连接

CUDA 版本不匹配怎么办？

如果安装的 PyTorch CUDA 版本与系统 CUDA 版本不匹配：

PyTorch 自带 CUDA 运行时，不需要系统安装 CUDA
只需要安装 NVIDIA 驱动即可
选择与显卡驱动兼容的 CUDA 版本

驱动版本要求：

CUDA 11.8：需要驱动 >= 450.80.02 (Linux) 或 >= 452.39 (Windows)
CUDA 12.1：需要驱动 >= 525.60.13 (Linux) 或 >= 528.33 (Windows)

完整示例

场景 1：新建深度学习项目（使用 uv）

# 创建项目
uv init my-dl-project
cd my-dl-project

# 安装 PyTorch 2.8（CUDA 12.1）
uv add "torch==2.8.*" torchvision "torchaudio==2.8.*" \
  --index-url https://download.pytorch.org/whl/cu121

# 验证安装
uv run python -c "import torch; print(torch.cuda.is_available())"

场景 2：在现有项目中安装（使用 pip）

# 进入项目目录
cd existing-project

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境（Windows）
venv\Scripts\activate
# 或者（Linux/macOS）
source venv/bin/activate

# 安装 PyTorch
pip install torch==2.8.* torchvision torchaudio==2.8.*

# 验证安装
python -c "import torch; print(torch.__version__)"

场景 3：CPU 版本用于学习

# 使用 uv（推荐）
uv add "torch==2.8.*" torchvision "torchaudio==2.8.*" \
  --index-url https://download.pytorch.org/whl/cpu

# 或使用 pip
pip install torch==2.8.* torchvision torchaudio==2.8.* \
  --index-url https://download.pytorch.org/whl/cpu

参考资源

💡 小贴士：建议使用 uv 管理 Python 项目依赖，它不仅安装速度快，而且能够智能解决版本冲突问题。配合本文的版本对应表，可以快速搭建稳定的 PyTorch 开发环境！

深度学习 > Python

#深度学习 #PyTorch #机器学习 #环境配置

PyTorch 三件套版本对应关系与安装指南

https://blog.dinging.top/2025/11/pytorch-installation/

作者

iDing

发布于

2025年11月17日

许可协议

转发请注明出处

Miniconda 完整安装指南：Windows、macOS 与 Linux 上一篇

uv 安装指南 - 极速 Python 包管理工具下一篇