如何让Conda根据操作系统自动安装对应版本的PyTorch？

完全可以实现单份配置文件自动适配不同硬件系统，无需维护多份冗余配置，下面是两种可行的实现方式：

方案一：直接在Conda环境文件中添加平台专属依赖 #

修改你的conda_env.yml，利用pip的环境标记特性，让安装命令根据当前系统自动匹配：

name: my_app
channels:
  - conda-forge
  - defaults
dependencies:
  - pip=23.3.2
  - python=3.10.13
  - pip:
    # Ubuntu GPU环境（CUDA 11.3）
    - "torch==1.11.0+cu113 ; platform_system == 'Linux'"
    - "torchvision==0.12.0+cu113 ; platform_system == 'Linux'"
    - "torchaudio==0.11.0+cu113 ; platform_system == 'Linux'"
    # M2 MacBook环境（Nightly CPU版本）
    - "--pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cpu ; platform_system == 'Darwin' and platform_machine == 'arm64'"

方案二：使用带条件标记的requirements.txt #

若想保留requirements.txt的结构，可修改该文件内容，添加系统判断逻辑：

# Ubuntu GPU环境依赖
torch==1.11.0+cu113 ; platform_system == 'Linux'
torchvision==0.12.0+cu113 ; platform_system == 'Linux'
torchaudio==0.11.0+cu113 ; platform_system == 'Linux'

# M2 MacBook环境依赖
--pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cpu ; platform_system == 'Darwin' and platform_machine == 'arm64'

你的conda_env.yml可以保持原有结构不变，pip会自动解析requirements.txt中的条件标记。

关键注意事项 #

• 确保pip版本≥20.3：环境标记特性从pip 20.3开始支持，你的配置中指定了pip=23.3.2，满足要求。
• Linux环境需提前配置CUDA 11.3：安装带CUDA后缀的PyTorch前，要确保系统已正确安装CUDA 11.3驱动及相关依赖，否则无法启用GPU加速。
• M系列Mac的Nightly版本：目前PyTorch对M系列GPU的原生支持在Nightly版本中逐步完善，按需求选择CPU版本即可。

内容的提问来源于stack exchange，提问作者Aydin Abiar