Использование UV с PyTorch
Экосистема PyTorch — популярный выбор для исследований и разработок в области глубокого обучения. Вы можете использовать uv для управления проектами PyTorch и зависимостями PyTorch в разных версиях Python и средах, контролируя выбор ускорителя (например, только CPU или CUDA).
Для работы некоторых функций, описанных в этом руководстве, требуется версия UV 0.5.3 или более поздняя. Мы рекомендуем обновить библиотеку перед настройкой PyTorch.
Установка PyTorch
С точки зрения упаковки, PyTorch обладает несколькими необычными характеристиками:
- Многие пакеты PyTorch, распространяемые через Wheels, размещаются в отдельном индексе, а не в Python Package Index (PyPI). Поэтому для установки PyTorch часто требуется настроить проект для использования индекса PyTorch.
- PyTorch создает отдельные сборки для каждого ускорителя (например, только для ЦП, CUDA). Поскольку не существует стандартизированного механизма для указания этих ускорителей при публикации или установке, PyTorch кодирует их в локальном спецификаторе версии. Таким образом, версии PyTorch часто будут выглядеть как 2.5.1+cpu, 2.5.1+cu121, и т. д.
- Сборки для разных ускорителей публикуются в разные индексы. Например, +cpu сборки публикуются по адресу https://download.pytorch.org/whl/cpu , а +cu121сборки для других ускорителей — по адресу https://download.pytorch.org/whl/cu121 .
Таким образом, необходимая конфигурация упаковки будет различаться в зависимости от поддерживаемых платформ и используемых ускорителей.
Для начала рассмотрим следующую (конфигурацию по умолчанию), которая будет сгенерирована при выполнении команды^
- uv init --python 3.14
... а затем команды
- uv add torch torchvision
В этом случае PyTorch будет установлен из PyPI, где размещены пакеты, работающие только на ЦП, для Windows и macOS, а также пакеты GPU для Linux (ориентированные на CUDA 12.8, начиная с PyTorch 2.9.1):
[project]
name = "project"
version = "0.1.0"
requires-python = ">=3.14"
dependencies = [
"torch>=2.9.1",
"torchvision>=0.24.1",
]
Это допустимая конфигурация для проектов, которые хотят использовать сборки с поддержкой ЦП в Windows и macOS, а также сборки с поддержкой CUDA в Linux. Однако, если вам необходимо поддерживать другие платформы или ускорители, вам потребуется соответствующим образом настроить проект.
Примечание:
Именно поэтому я призываю использовать WSL-Linux метод установки питона для нейросетей - наличие CUDA-пакетов TORCH на PyPi.
Этот метод установки дает возможность использовать для установки не режим "эмуляции PIP" с командой "uv pip install ***", а намного более скоростной и более защищенный метод установки с командой "uv add ***", который применяется при создании из приложения "проекта" с ведением TOML и LOCK файлов установки!
Если же вы решили работать в других средах (Windows), через команду "uv add ***", используя TOML-LOCK технологию, я вам советую вообще весь процесс установки пакетов питона вынести в TOML-файл. В частности пакеты TORCH-CUDA в пайпроджект-файле надо прописать прямо так:
[[tool.uv.index]]
name = "pytorch-cu129"
url = "https://download.pytorch.org/whl/cu129"
explicit = true
[tool.uv.sources]
torch = [
{ index = "pytorch-cu129", marker = "sys_platform == 'win32'" },
]
torchvision = [
{ index = "pytorch-cu129", marker = "sys_platform == 'win32'" },
]
torchaudio = [
{ index = "pytorch-cu129", marker = "sys_platform == 'win32'" },
]
Только при такой запись команда "UV SYNC" сможет вытащить эти пакеты из PyTorch. Иначе придется использовать технологию эмуляции "uv pip install ***".
