国内源uv快速pip安装带Cuda的PyTorch指南

本篇指南记录下在国内环境如何以「最新范式」快速构建一个深度学习环境。
国内源快速装包 + uv 虚拟环境 + 最新版 PyTorch + 无需配置环境变量 CUDA
本指南并不指定具体的版本，所有的信息均来自各官方的文档，方便大家自行定制。

---

预先准备

• 已安装uv，且需使用torch的项目已初始化完成，并cd到项目根目录下。
• 有Nvidia显卡且已安装好驱动。

---

一、查看当前N卡驱动支持的最大CUDA版本

1. 系统终端输入 nvidia-smi 右上角的CUDA Version即是。(图片见附录)

---

二、到PyTorch官网选择版本

1. 访问PyTorch官网：https://pytorch.org/get-started (图片见附录)
2. 选择组合，一般是：Stable + pip + Python + CUDA XX.Y
3. 最后底下会生成个链接，我们先放一边：
   pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu130

注：CUDA一般选择显卡驱动能支持的最大版本即可，系统自行选择（Mac不用安装CUDA）。
注：如果 驱动最大支持版本 比 PyTorch官网目前最小版本 还小。
可以考虑更新显卡驱动或在该界面找到install previous versions of PyTorch安装旧版PyTorch，个人更推荐前者。

---

三、在国内源镜像列表中选择CUDA版本

1. 访问阿里云镜像目录：https://mirrors.aliyun.com/pytorch-wheels/
2. 浏览器搜索（Ctrl+f）：cuXXY 这里XXY来自上一步，比如13.0就是cu130
3. 拼接起来得到链接：https://mirrors.aliyun.com/pytorch-wheels/cu130

注：这一步主要是确认国内源是否提供你所选择的版本的CUDA，其他源（例如上交）也有相关服务，可以自己找一下。

---

四、合成使用国内源的安装命令

现在我们有两条命令

• pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu130
• https://mirrors.aliyun.com/pytorch-wheels/cu130

注：后面的‘130’可能因人而异，根据需要选择。

具体步骤

1. 将第一条的 --index-url（包括）后面的全部删掉，将pip3改为pip，得到：
   pip install torch torchvision
2. 然后前面加上uv，得到了uv安装cpu版本的命令：
   uv pip install torch torchvision
3. 后面加上 -f, 然后再加上第二条，得到gpu版本国内源的命令：
   uv pip install torch torchvision -f https://mirrors.aliyun.com/pytorch-wheels/cu130

注：Mac系统用第二条即可，无需安装GPU驱动。

---

完成并使用

复制到你初始化好的uv项目下进行安装就行了，速度很快，而且互相独立。
这样我们就得到了 国内源快速安装 + uv虚拟环境 + PyTorch最新版 + CUDA较新版
的万能安装命令了，且可以根据需要自行定制版本，复用到任何uv环境中。

---

进阶使用

进一步加速

指定除了CUDA等包外，也使用国内源加速：

uv pip install torch torchvision \
  -f https://mirrors.aliyun.com/pytorch-wheels/cu130 \
  -i https://pypi.tuna.tsinghua.edu.cn/simple

命令含义：用 清华 PyPI 镜像 当主仓库安装 torch 和 torchvision，如果需要 PyTorch 的 CUDA 13.0 专用 wheel，就去 阿里云的 PyTorch CUDA 13.0 wheel 目录 里找。

---

指定PyTorch或CUDA版本

指定生产环境或无法更新到最新GPU驱动的场景下，可选用指定版本（旧版）PyTorch。
访问 Installing previous versions of PyTorch 获得想要安装版本的命令。
参考第3-4步修改安装命令。
例如:原命令 pip install torch==2.8.0 torchvision==0.23.0 torchaudio==2.8.0 --index-url https://download.pytorch.org/whl/cu126

PyTorch 2.8.0 + CUDA 12.6

uv pip install \
  torch==2.8.0 \
  torchvision==0.23.0 \
  -f https://mirrors.aliyun.com/pytorch-wheels/cu126 \
  -i https://pypi.tuna.tsinghua.edu.cn/simple

---

附录

nvidia-smi结果示意图

右上角12.3即为目前驱动支持最大CUDA版本

PyTorch官网选择版本界面（2025年12月）

其他可用命令

uv pip install torch torchvision \
  -i https://pypi.tuna.tsinghua.edu.cn/simple \
  -f https://mirrors.nju.edu.cn/pytorch/whl/cu130

uv pip install torch torchvision \
	-f https://mirrors.aliyun.com/pytorch-wheels/cu130 \
	-i https://pypi.mirrors.ustc.edu.cn/simple

uv pip install torch torchvision \
	-f https://mirrors.aliyun.com/pytorch-wheels/cu130 \
	-i https://pypi.tuna.tsinghua.edu.cn/simple

uv pip install torch torchvision \
	-f https://mirrors.aliyun.com/pytorch-wheels/cu130 \
	-i https://mirror.nju.edu.cn/pypi/web/simple

uv pip install torch torchvision \
  -i https://mirrors.nju.edu.cn/pytorch/whl/cu130