PyTorch logo
开始使用

选择您的路径:在本地安装 PyTorch
或立即在云平台上试用

开始使用

2024 PyTorch Conference

加入9月18日至19日的会议,聆听精彩的主题演讲并参与有趣的迷你峰会。

敬请关注

PyTorch 2.5

包含用于 SDPA 的新 CuDNN 后端、TorchDynamo 的改进、torch.compile 的区域编译等功能。

了解更多

会员征集

成为 PyTorch 基金会的重要组成部分,共同建设和塑造人工智能的未来。

加入

关键特性 &
能力

查看全部特性
生产就绪

使用 TorchScript 无缝过渡到急切模式和图模式之间,并借助 TorchServe 加速进入生产环境的路径。

分布式训练

torch.distributed 后端支持可扩展的分布式训练和性能优化,在研究和生产中发挥作用。

强大的生态系统

丰富的工具和库生态系统扩展了 PyTorch,并支持计算机视觉、自然语言处理等领域的开发。

云支持

PyTorch 在主要的云平台上得到了良好的支持,提供了高效的开发和简便的扩展。

安装PyTorch

选择您的偏好并运行安装命令。 Stable 代表当前经过测试和支持的 PyTorch 版本,适合大多数用户。如果您想要最新的、尚未完全测试和支持的每日构建版本, 可以选择 Preview。在安装之前,请确保您已经满足下面的先决条件(例如,numpy),这取决于您的包管理器。我们推荐使用 Anaconda 作为包管理器,因为它会安装所有依赖项。 您也可以安装以前版本的 PyTorch。请注意,LibTorch 仅适用于 C++。

注意: 最新PyTorch版本需配套使用Python 3.8或更高版本

PyTorch版本
OS类型
管理工具
编程语言
计算平台
运行命令:
PyTorch版本
Stable (1.13.0)
Preview (Nightly)
OS类型
Linux
Mac
Windows
管理工具
Conda
Pip
LibTorch
Source
编程语言
Python
C++ / Java
计算平台
CUDA 11.8
CUDA 12.1
CUDA 12.4
ROCm 5.2
CPU
运行命令:
conda install pytorch torchvision -c pytorch

PyTorch历史版本

使用云服务
快速开始

使用主流云平台及机器学习服务,快速上手 PyTorch。

使用PyTorch的公司 & 学校

使用 PyTorch、TorchServe 和 AWS Inferentia,将推理成本降低 71%,并实现规模扩展。

了解更多

推动自然语言处理和多任务学习的最新进展。

了解更多

利用 PyTorch 的灵活性高效研究新的算法方法。

了解更多

文档

获取PyTorch完整开发指导文档

查看文档 Docs

教程

为初学者和高级开发人员提供深入教程

查看教程

资源

找到开发资源并解答您的疑问

查看资源