如何编写同时适配CPU与GPU平台的PyTorch requirements.txt

不需要强制维护多份独立的requirements.txt文件，可以根据项目的使用场景选择对应配置方式，同时覆盖Linux GPU环境、CPU-only环境、Mac（Intel/Apple Silicon）环境。

你当前配置无法跨平台兼容的核心原因有两个：一是硬编码了+cu113的CUDA专属版本后缀，这类带后缀的安装包仅对应CUDA11.3的Linux/Windows环境，其他平台不存在对应构建包；二是写死了指向CUDA113资源的--find-links源，会引导pip优先查找仅适配CUDA环境的安装资源。

方案1：单文件通用配置（推荐，维护成本最低） #

直接移除固定CUDA源的配置、去掉版本号后的CUDA后缀，修改后的requirements.txt内容如下：

torch==1.10.2
torchvision==0.11.3
pytorch-lightning==1.5.10

这个配置的适配逻辑完全由pip自动处理：

• 在搭载CUDA11.3的Linux/Windows GPU设备上，pip会自动优先拉取对应cu113版本的PyTorch，安装后可正常调用GPU
• 在无CUDA的x86架构设备上，会自动安装CPU版本的torch、torchvision
• 在Intel芯片Mac、Apple Silicon芯片Mac上，会自动匹配对应macOS平台的安装包，Apple Silicon设备安装后可原生支持MPS加速

如果遇到国内网络下载慢的问题，让用户自行配置全局PyPI镜像即可，不要在requirements文件中写死某一平台专属的下载源，避免干扰其他平台的包匹配逻辑。

方案2：分场景多文件配置（适合需要明确指引的开源项目） #

如果需要给不同场景的用户提供更明确的安装指引、避免自动匹配可能出现的版本问题，可以采用「基础依赖+场景依赖」的拆分方式，维护成本也很低：

1. 新建通用基础依赖文件requirements.txt，存放所有跨平台通用的依赖：

   pytorch-lightning==1.5.10
   

2. 新建GPU用户专属依赖文件requirements-gpu.txt：

   --find-links https://download.pytorch.org/whl/cu113/torch_stable.html
   -r requirements.txt
   torch==1.10.2+cu113
   torchvision==0.11.3+cu113
   

3. 新建CPU/Mac用户专属依赖文件requirements-cpu.txt：

   --find-links https://download.pytorch.org/whl/cpu/torch_stable.html
   -r requirements.txt
   torch==1.10.2+cpu
   torchvision==0.11.3+cpu
   

不同用户安装时对应执行命令即可：

• CUDA GPU用户执行：pip install -r requirements-gpu.txt
• Mac用户、无GPU的Linux/Windows用户执行：pip install -r requirements-cpu.txt

注意：永远不要在通用依赖文件里写死带+cuXXX、+cpu这类后缀的PyTorch版本号，这类后缀是PyTorch官方针对特定运行环境编译的专属包标记，跨环境安装会直接触发「找不到匹配版本」的报错。

内容的提问来源于stack exchange，提问作者Luca