如何在Google Colab中永久安装指定版本的PyTorch？

核心思路：利用Google Drive持久化存储安装包 #

Colab每次重启都会分配全新的临时虚拟机，默认安装的包会被清除。把PyTorch安装到Google Drive（唯一持久化存储），每次启动时加载该路径即可跳过重装。

具体步骤 #

1. 首次安装（仅需执行一次）

• 先挂载你的Google Drive到Colab：

from google.colab import drive
drive.mount('/content/drive')

按提示完成授权，挂载成功后就能访问Drive里的文件。

• 指定Drive中的目录作为安装路径，执行安装命令（可替换成你偏好的路径，比如/content/drive/MyDrive/colab_pytorch）：

!pip3 install --target=/content/drive/MyDrive/colab_pytorch --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cu116 -U

这次安装后，包会永久保存在你的Drive里，后续不用再执行这条安装命令。

2. 每次启动Colab时执行（快速加载）

• 先挂载Drive：

from google.colab import drive
drive.mount('/content/drive')

• 把Drive里的安装路径添加到Python的模块搜索路径：

import sys
sys.path.append('/content/drive/MyDrive/colab_pytorch')

• 验证是否可用：

import torch
print(torch.__version__)  # 应显示你安装的nightly版本
print(torch.cuda.is_available())  # 输出True说明CUDA配置正常

为什么之前的方案可能失效？ #

大概率是这两个细节没做好：

• 没有正确挂载Google Drive，导致安装路径实际上还是在临时虚拟机里；
• 启动时忘记把Drive里的安装路径添加到sys.path，Python找不到已安装的包。

进阶备选（适合有GCP权限的用户） #

如果Drive加载速度不够理想，可以创建自定义Colab镜像：在Google Cloud上构建包含指定PyTorch版本的Docker镜像，然后关联到你的Colab实例。不过这个步骤需要GCP的容器注册表权限，操作复杂度较高，普通用户优先用Drive方案即可。

内容的提问来源于stack exchange，提问作者Tim