Wie man PyTorch mit Pip installiert

Key Takeaways

• PyTorch kann einfach mit pip und einfachen Befehlen installiert werden.
• Wähle den richtigen Installationsbefehl basierend auf deinem System und der GPU-Unterstützung.
• Überprüfe immer die Installation, um sicherzustellen, dass PyTorch wie erwartet funktioniert.

Einführung

PyTorch ist ein beliebtes Open-Source Deep-Learning-Framework, das von Meta AI entwickelt und von der PyTorch Foundation gepflegt wird. Es unterstützt Tensorberechnungen, dynamische neuronale Netze, GPU-Beschleunigung über CUDA oder ROCm und wird häufig in Forschung und Industrie eingesetzt.

---

1. Voraussetzungen

Bevor du PyTorch über pip installierst, stelle sicher, dass du Folgendes hast:

• Python (Version 3.9 oder höher empfohlen)

• pip installiert und auf dem neuesten Stand:

  python -m pip install --upgrade pip

• (Optional) Eine CUDA-fähige NVIDIA-GPU oder ROCm-fähige AMD-GPU, wenn du GPU-Beschleunigung möchtest

---

2. Auswahl des richtigen pip install-Befehls

Gehe zur offiziellen Seite „Get Started“, um dein Betriebssystem, deine Python-Version und deine Compute-Plattform auszuwählen. Hier sind gängige Installationsbefehle basierend auf deiner Einrichtung:

A. CPU-only Installation (keine GPU)

pip3 install torch torchvision torchaudio

Dies installiert die neueste stabile CPU-Version. Einfach und schnell für Systeme ohne GPUs.

B. Mit CUDA-Unterstützung

Ersetze cu118 durch die CUDA-Version, die du hast (z. B. cu120 oder cu117):

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

Die Option --index-url verweist pip auf das CUDA-fähige Binär-Repository von PyTorch.

C. Frühere PyTorch-Versionen (optional)

Wenn du eine bestimmte ältere Version benötigst (z. B. v2.6.0):

pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu118

Weitere Optionen findest du im Abschnitt „previous versions“.

---

3. Häufige Installationsprobleme

• Nicht unterstützte Python-Version PyTorch benötigt Python 3.9+. Wenn du 3.10+ oder ein nicht unterstütztes Betriebssystem verwendest, wird möglicherweise No matching distribution found angezeigt. Das Downgraden von Python oder die Installation über Conda kann helfen.

• Cache-bezogene Probleme Wenn Installationen fehlschlagen, versuche, eine Neuinstallation zu erzwingen:

  pip install torch --upgrade --force-reinstall --no-cache-dir --index-url https://download.pytorch.org/whl/cu118

  Dies kann Probleme im Zusammenhang mit beschädigten oder veralteten zwischengespeicherten Paketen beheben.

• Fehler in virtuellen Umgebungen Aktiviere immer deine virtuelle Umgebung, bevor du pip ausführst. Andernfalls kann PyTorch stattdessen im System-Python installiert werden.

---

4. Überprüfen der Installation

Bestätige nach der Installation, dass alles funktioniert:

1. Paketinformationen überprüfen

   pip3 show torch

2. Python starten und testen:

   import torch
   x = torch.rand(5, 3)
   print(x)
   print(torch.cuda.is_available())

   • Du solltest einen zufälligen Tensor sehen
   • torch.cuda.is_available() gibt True zurück, wenn CUDA korrekt aktiviert ist

---

5. Optional: Deinstallieren von PyTorch

Um PyTorch jederzeit zu entfernen:

pip uninstall torch torchvision torchaudio

---

6. Zusammenfassungstabelle

---

7. Fazit

Die Installation von PyTorch mit pip ist unkompliziert:

1. Stelle sicher, dass du Python (3.9+) und pip hast
2. Wähle den richtigen pip install-Befehl für CPU oder CUDA
3. Aktiviere deine Umgebung
4. Überprüfe die Installation mit einem einfachen Skript

Mit PyTorch eingerichtet bist du bereit, in Modellbau, Training und GPU-beschleunigte Forschung einzutauchen. Viel Spaß beim Programmieren!

FAQs

What is the recommended way to install PyTorch?

Use pip with the official command that matches your Python and system requirements.

How do I verify PyTorch was installed correctly?

Import torch in Python and check with torch.cuda.is_available().

What should I do if pip install fails?

Try upgrading pip, using a virtual environment, or adding --no-cache-dir and the correct index URL.

We are Leapcell, your top choice for hosting backend projects.

Leapcell is the Next-Gen Serverless Platform for Web Hosting, Async Tasks, and Redis:

Multi-Language Support

• Develop with Node.js, Python, Go, or Rust.

Deploy unlimited projects for free

• pay only for usage — no requests, no charges.

Unbeatable Cost Efficiency

• Pay-as-you-go with no idle charges.
• Example: $25 supports 6.94M requests at a 60ms average response time.

Streamlined Developer Experience

• Intuitive UI for effortless setup.
• Fully automated CI/CD pipelines and GitOps integration.
• Real-time metrics and logging for actionable insights.

Effortless Scalability and High Performance

• Auto-scaling to handle high concurrency with ease.
• Zero operational overhead — just focus on building.

Explore more in the Documentation!

Follow us on X: @LeapcellHQ