pip 安装 PyTorch / transformers 慢?换源加速

搭 AI 环境时,pip install torch 经常卡在下载几百 MB 的 CUDA 版 wheel,或 transformers、vllm 装到一半超时。核心是换国内源,CUDA 版 torch 还要单独处理。

一、普通依赖:换 PyPI 国内源

transformers、accelerate、datasets 等纯 Python 包,换源即可:

pip install transformers accelerate -i https://pypi.tuna.tsinghua.edu.cn/simple

永久配置见 👉 pip 国内镜像详解。

二、PyTorch(CPU 版):直接走清华源

CPU 版 torch 在 PyPI 镜像上就有:

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

三、PyTorch(CUDA 版):关键在选对 whl

CUDA 版 torch 默认从 download.pytorch.org 下载(境外、慢)。有两种加速办法。

办法 A:用国内的 PyTorch wheel 镜像

一些高校镜像同步了 PyTorch 官方 wheel(如上海交大 SJTU 镜像)。以 CUDA 12.1 为例:

pip install torch torchvision torchaudio \
  --index-url https://mirror.sjtu.edu.cn/pytorch-wheels/cu121

把 cu121 换成你需要的 CUDA 版本(如 cu118、cu124)。镜像地址可能调整,失效时搜索"pytorch wheel 镜像"获取当前可用地址。

办法 B:走代理装官方源

pip install torch torchvision torchaudio \
  --index-url https://download.pytorch.org/whl/cu121 \
  --proxy http://127.0.0.1:7890

四、conda 装 PyTorch

用 conda 的话,给 conda 换国内源后再装:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

五、vLLM / flash-attn 等重型包

这类包体积大、常需编译或下预编译 whl:

• 先确保 torch、CUDA 版本匹配,再装(版本不匹配会触发重新编译,极慢)。
• 优先找官方发布的预编译 wheel,避免本地从源码编译。
• 从 GitHub Release 下 whl 慢的,参考 Release 下载加速。

常见坑

现象	原因	解决
装了 CPU 版 torch,GPU 用不了	没指定 CUDA index	用办法三的 --index-url cuXXX
flash-attn 编译半小时	没匹配预编译 whl	找对应 torch/cuda 的预编译版
换源后还是慢	CUDA whl 不在 PyPI 镜像	用 PyTorch wheel 镜像(办法 A)
SSL / trusted-host 警告	镜像证书	加 --trusted-host

小结

• 纯 Python 包(transformers 等):换清华源即可。
• CUDA 版 torch:关键是用 PyTorch wheel 镜像或代理,别只换 PyPI 源。
• 版本对齐(torch ↔ CUDA ↔ flash-attn)能避免最耗时的本地编译。

---

本文仅供技术学习与研究,请遵守所在国家/地区法律法规。