pytorch与conda-forge源torchvision区别、选型及v0.13.0安装问询

执行conda install -c pytorch torchvision获取到v0.2.2旧版本的核心原因是：未指定安装版本时，conda会自动匹配满足当前环境所有依赖约束的最高可用版本，如果本地conda配置了其他优先级更高的源、或是当前环境已装的PyTorch版本和新版torchvision不兼容，就会自动回溯到最老的可兼容版本，无法拉取到最新的v0.13.0。

• 维护主体不同：pytorch通道的安装包由PyTorch官方团队编译、测试、发布，和同通道的PyTorch版本做过严格的一一适配验证，出现兼容问题可直接对应官方修复；conda-forge通道的包由开源社区志愿者维护，版本更新通常比官方通道晚1-2个小版本，适配测试覆盖度低于官方源，问题修复响应速度更慢。
• 编译配置不同：pytorch通道的torchvision编译参数和同版本PyTorch完全对齐，Mac端的Metal加速、MKLDNN性能优化等特性默认开启，不会出现二进制兼容问题；conda-forge的包优先适配自身源的全量依赖链，部分硬件加速选项可能默认关闭，和官方源安装的PyTorch混装时容易出现算子报错、API不匹配的问题。
• 依赖约束不同：pytorch通道的torchvision和PyTorch版本严格绑定，比如torchvision v0.13.0仅适配PyTorch v1.12.x，版本差一个小版本都可能出现运行时错误；conda-forge的依赖约束相对宽松，允许跨小版本匹配，出现兼容问题的概率更高。

始终和当前环境的PyTorch安装源保持一致：如果PyTorch来自pytorch官方通道，就优先选pytorch通道的对应版本torchvision；如果环境所有依赖都来自conda-forge、PyTorch也从conda-forge安装，再选择conda-forge通道的torchvision，不要跨通道混装PyTorch和torchvision，绝大多数兼容问题都来自跨通道混装。

首先明确版本匹配要求：torchvision v0.13.0必须搭配PyTorch v1.12.x使用，版本不匹配会直接安装失败或运行报错。

• 未安装对应版本PyTorch的场景：直接执行带明确版本号的安装命令即可，不要省略版本号让conda自动解依赖匹配版本：

conda install -c pytorch pytorch=1.12.0 torchvision=0.13.0

• 已安装PyTorch v1.12.x但拉取到旧版本的场景：这是本地conda其他源优先级高于pytorch通道导致的，加--override-channels参数强制仅从pytorch通道检索包即可：

conda install -c pytorch --override-channels torchvision=0.13.0

• 安装提示依赖冲突的场景：先卸载环境中残留的旧版本PyTorch、torchvision相关包，再重新执行上述安装命令：

conda uninstall pytorch torchvision torchaudio

内容的提问来源于stack exchange，提问作者alpha