入门
选择您的路径：在本地安装 PyTorch 或在支持的云平台上即时启动
加入 PyTorch 基金会
作为 PyTorch 基金会的成员，您将可以获得资源，使您能够成为稳定、安全和持久代码库的管理者。您可以合作开展培训、本地和区域活动、开源开发者工具、学术研究以及帮助新用户和贡献者获得高效体验的指南。
主要特性和功能
生产就绪
使用 TorchScript 在 Eager 和 Graph 模式之间无缝转换，并使用 TorchServe 加快生产路径。
分布式训练
torch.distributed 后端支持在研究和生产中进行可扩展的分布式训练和性能优化。
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 在各大云平台上得到了很好的支持，提供了无缝的开发和轻松的扩展。
安装 PyTorch
选择您的偏好并运行安装命令。稳定版代表了 PyTorch 当前测试最充分、支持最完善的版本，适合大多数用户。如果您想要最新的、未经完全测试和支持的每夜构建版本，可以选择预览版。请确保您已满足下方的先决条件（例如 numpy），具体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 PyTorch 的先前版本。请注意，LibTorch 仅适用于 C++。
注意：最新的 PyTorch 需要 Python 3.9 或更高版本。
PyTorch 构建版本
您的操作系统
包
语言
计算平台
运行此命令
PyTorch 构建版本
稳定版 (2.7.0)
预览版 (每夜版)
您的操作系统
Linux
Mac
Windows
包
Pip
LibTorch
源码
语言
Python
C++ / Java
计算平台
CUDA 11.8
CUDA 12.6
CUDA 12.8
ROCm 6.3
CPU
运行此命令
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
通过云合作伙伴快速入门
通过流行的云平台和机器学习服务，快速启动并运行 PyTorch。
生态系统
精选项目
探索丰富的库、工具等生态系统，以支持您的开发工作。
Captum
Captum (拉丁语意为“理解”) 是一个基于 PyTorch 构建的、用于模型可解释性的开源、可扩展库。
PyTorch Geometric
PyTorch Geometric 是一个用于在图、点云和流形等不规则输入数据上进行深度学习的库。
skorch
skorch 是一个用于 PyTorch 的高级库，提供完整的 scikit-learn 兼容性。
使用 PyTorch 的公司和大学
Amazon Advertising
使用 PyTorch、TorchServe 和 AWS Inferentia 将推理成本降低 71% 并进行横向扩展。
Salesforce
推动自然语言处理和多任务学习的最新技术发展。
斯坦福大学
利用 PyTorch 的灵活性高效研究新的算法方法。