先说结论：如果你了解 Pypi 包命名规则，只需访问 https://download.pytorch.org/whl/torch 即可找到需要的 Python Cuda Torch 匹配包，无需继续阅读。

升级Python 时，发现并非所有 CUDA与Python 的最近版本都能找到对应的PyTorch 安装包。
分析PyTorch 的下载库发现其提供的预编译包比 PyTorch官方主页提供的版本多很多，只要掌握命名规则，可以直接找到需要的版本。

Pypi 包名称由六部分组成，以下便 是一例：

torch-2.9.1+cu130-cp313-cp313-win_amd64.whl

第一部分：torch——包名标识

对于 torch 系列，不同的包存储在不同的地址：

torch 下载地址 https://download.pytorch.org/whl/torch

torchaudio 下载地址 https://download.pytorch.org/whl/torchaudio/

torchvision 下载地址 https://download.pytorch.org/whl/torchvision/

第二部分：2.9.1——PyTorch核心版本号

2.9.1 是PyTorch的核心版本号，遵循“主版本号.次版本号.修订版本号”的语义化版本规范。

第三部分：+cu130——CUDA版本适配标识

+cu130 用于标识版本适配的CUDA版本。其中“cu”是CUDA的缩写，130 代表适配的CUDA版本为13.0。

“+cpu”结尾的版本仅依赖CPU运行，如：
torch-2.9.1+cpu-cp313-cp313-win_amd64.whl

+rocmx.x 则是支持ROCm的版本，如：
torch-2.9.1+rocm6.3-cp313-cp313-manylinux_2_28_x86_64.whl

第四、五部分：cp313-cp313——Python版本适配标识

第一个 cp313 表示的是python 3.13

第二个cp313 表示 ABI / 系统版本依赖，如果第二个版本以 t 结尾，如cp313-cp313t 则表示其包含 debug 信息。
torch-2.9.1+cpu-cp313-cp313t-win_amd64.whl

Python版本不匹配是导致“安装失败”的常见原因。

第六部分：win_amd64——操作系统与硬件架构标识

在Python的 Pypi 包命名中，平台标签（Platform Tag） 遵循 PEP 425 规范，由操作系统、系统版本/ABI、架构三部分组成（部分场景会简化）。以下是 Pypi 包中常见的系统架构对应表格，涵盖主流操作系统、架构及典型标签示例：

核心架构与平台标签对照表

架构类型	操作系统/环境	完整平台标签示例	说明
x86-64（64位x86）	Windows	win_amd64	Windows下的x86_64，历史原因用amd64而非x86_64
	Linux（manylinux）	manylinux_2_28_x86_64	manylinux（基于glibc）的x86_64，2_28是glibc版本号
	macOS	macosx_10_9_x86_64	macOS下的x86_64，10_9是最低支持的macOS版本（如macOS Mavericks）
ARM64（aarch64）	Windows	win_arm64	Windows ARM64（如Surface Pro X、Windows on Raspberry Pi 4）
	Linux（manylinux）	manylinux_2_28_aarch64	manylinux的ARM64（aarch64）
	macOS	macosx_11_0_arm64	macOS ARM64（Apple Silicon，如M1/M2/M3），11_0是macOS Big Sur
	Linux（Debian/Ubuntu）	linux_aarch64（简化版）	部分非manylinux的Linux ARM64包会用简化标签

.
Linux 版本号的含义：

• manylinux_2_28_x86_64中的2_28：代表glibc 2.28及以上版本，截止2025年12月，这是torch 上支持的 Linux 最新版本。
• macosx_11_0_arm64中的11_0：是该包支持的最低macOS版本，低于该版本的系统无法安装。

操作

第一步：明确本地环境核心信息

确定Python版本

python --version

确定 CUDA版本（仅NVIDIA显卡用户）

nvcc --version

查询Linux 版本

cat /etc/issue

第二步：在预编译仓库中精准匹配

访问https://download.pytorch.org/whl/torch 获取信息预编译包的列表，然后按上面给定的各个部分搜索就可以找到与开发环境最匹配的安装包。

第三步：通过pip命令快速安装

下载后通过pip命令安装，

pip install torch-2.4.0+cu124-cp310-cp310-linux_x86_64.whl

安装完成后，可通过

import torch
torch.cuda.is_available()

命令验证——若返回“True”，则说明GPU加速已成功启用。

避坑指南

cuda13.0 的安装包不再自带驱动程序，需要单独下载驱动程序，在驱动程序没有安装或不匹配时，仍然可以安装cuda13.0 导致安装时一切正常，但是使用时报错，此时需要下载、安装与cuda13.0 匹配的驱动程序才可以。