告别龟速下载：用南京大学镜像站装好 PyTorch 环境

实测于 2026-08，所有路径均已验证可用。

为什么你装 PyTorch 总是卡住

pip install torch 默认从 PyPI 官方源下载，conda 默认从 repo.anaconda.com 下载——这些服务器都在国外。torch 的 wheel 动辄 800MB～2GB，跨海传输要么慢到怀疑人生，要么直接 ReadTimeoutError。

解决办法：换国内镜像源。今天的主角是南京大学开源软件镜像站（mirrors.nju.edu.cn）——国内高校镜像之一，覆盖 PyPI、Anaconda、npm、操作系统发行版等，对教育网和部分运营商线路尤其友好。

先看看 NJU 镜像站有什么（实测）

路径	状态	用途
`https://mirrors.nju.edu.cn/pypi/web/simple`	✅	PyPI 包镜像（torch / torchvision / torchaudio 都在）
`https://mirrors.nju.edu.cn/anaconda/pkgs/main`	✅	conda 默认源
`https://mirrors.nju.edu.cn/anaconda/cloud/conda-forge`	✅	conda-forge 源
`https://mirrors.nju.edu.cn/anaconda/cloud/pytorch`	✅	pytorch channel（conda 装 GPU 版的关键）
`https://mirrors.nju.edu.cn/anaconda/cloud/nvidia`	❌ 404	没有 nvidia channel，CUDA 依赖需走官方

方案一：pip 装 CPU 版（最快，3 条命令）

# 临时换源（只对本次生效）
pip install torch torchvision torchaudio -i https://mirrors.nju.edu.cn/pypi/web/simple

# 或者永久换源（推荐，一劳永逸）
pip config set global.index-url https://mirrors.nju.edu.cn/pypi/web/simple
pip install torch torchvision torchaudio

注意：PyPI 上 Linux 平台的 torch 是 CPU 版 wheel（不捆绑 CUDA）。没有独显、或者只是跑跑 CPU 推理/小模型，这个方案最省事。

方案二：conda 装（CPU / GPU 都能用）

1. 配置 NJU 镜像源

写入 ~/.condarc：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.nju.edu.cn/anaconda/pkgs/main
  - https://mirrors.nju.edu.cn/anaconda/pkgs/r
  - https://mirrors.nju.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.nju.edu.cn/anaconda/cloud
  pytorch: https://mirrors.nju.edu.cn/anaconda/cloud

或直接用命令生成：

conda config --set show_channel_urls yes
conda config --add channels https://mirrors.nju.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.nju.edu.cn/anaconda/pkgs/r
conda config --set custom_channels.conda-forge https://mirrors.nju.edu.cn/anaconda/cloud
conda config --set custom_channels.pytorch https://mirrors.nju.edu.cn/anaconda/cloud

2. 安装

# CPU 版
conda create -n pytorch python=3.11
conda activate pytorch
conda install pytorch torchvision torchaudio cpuonly -c pytorch

# GPU 版（CUDA 12.1，NJU 未镜像 nvidia channel，CUDA 依赖包走官方，量小可接受）
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

提示：pytorch-cuda 等 CUDA 依赖会从官方 nvidia channel 拉取（几十 MB 级别），比 torch 本体小得多；如果实在连不上，可把 -c nvidia 换成清华源：-c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/。

方案三：pip 装 GPU 版（NJU 没有 pytorch-wheels 时的替代）

NJU 镜像站没有镜像 download.pytorch.org 的 GPU wheel（该目录返回 404）。要纯 pip 装 CUDA 版 torch，两条路：

# 1) 用官方索引 + 国内 CDN 加速（部分网络有效）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 2) 换有 pytorch-wheels 镜像的站（清华 / 阿里云）
pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple \
  --extra-index-url https://mirrors.aliyun.com/pytorch-wheels/cu121

验证安装

python -c "import torch; print('torch', torch.__version__); print('cuda available:', torch.cuda.is_available()); print('device:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'CPU')"

输出 cuda available: True → GPU 版装好了
False → 装的是 CPU 版或 CUDA 驱动/版本不匹配（见下文常见问题）

常见问题

1. pip 超时 / SSL 报错

1 2	pip install torch -i https://mirrors.nju.edu.cn/pypi/web/simple --timeout 120 --retries 5 # SSL 证书问题可加 --trusted-host mirrors.nju.edu.cn（仅在不信任证书的环境）

2. torch.cuda.is_available() 返回 False
先 nvidia-smi 确认驱动存在；再看 torch 版本是否匹配：conda list | grep pytorch-cuda，或重装对应 cu 版本。注意驱动向下兼容：新驱动跑旧 CUDA 没问题，反之不行。

3. conda 解析慢
首次 conda install 要解析依赖，多等 1-2 分钟属正常；可加 --channel-priority strict 减少冲突回溯。

4. 版本选择

场景	推荐
仅 CPU 推理	pip CPU 版（方案一）
深度学习训练（Linux + N 卡）	conda GPU 版（方案二）
老机器 / 特定 CUDA	先 `nvidia-smi` 看驱动版本，再选 cu118/cu121/cu124

国内镜像站横向对比

镜像站	PyPI	conda(pytorch channel)	pytorch-wheels(GPU)
南大 mirrors.nju.edu.cn	✅	✅	❌
清华 TUNA	✅	✅	✅
中科大 USTC	✅	✅	✅
阿里云	✅	✅	✅

NJU 的优势：conda 的 pytorch channel 全量镜像，教育网内网速可观，且 pypi 同步及时。需要 pip 拉 GPU wheel 的场景请搭配清华/阿里云。

一句话总结：CPU 党 pip install torch -i https://mirrors.nju.edu.cn/pypi/web/simple；GPU 党配好 .condarc 后 conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch——从此告别下载焦虑。