麒麟os安装pytorch失败主因是arm64架构不匹配、python版本越界（需3.7–3.9）、官方无对应wheel或缺失openblas等底层库；应先验aarch64与kylin v10系统，再按在线/离线/源码五步法精准安装。
如果您在麒麟OS上尝试安装PyTorch但失败，例如出现“No matching distribution found for torch”、依赖缺失或架构不匹配等报错，则可能是由于系统为ARM64架构、Python版本不兼容、官方源未提供对应预编译包或缺少底层数学库。以下是针对麒麟OS（含V10桌面版与服务器版）的多种PyTorch安装方法，覆盖在线与离线场景、标准版与高版本适配需求：
一、确认系统基础环境与Python就绪状态
该步骤用于排除最常见前置条件缺失问题，避免后续安装因架构误判或Python不可用而中断。必须确保系统为ARM64且Python 3.7–3.9范围可用，这是麒麟V10官方适配最稳定的组合。
1、执行uname -m确认输出为aarch64，否则非ARM64环境不适用本文后续ARM专用方案。
2、运行cat /etc/os-release | grep -E "^(NAME|VERSION)="验证系统标识为Kylin Linux Advanced Server V10或Kylin Desktop V10 SP1。
3、执行python3 --version检查Python版本，推荐使用3.7.4至3.9.21之间；若为3.10+，部分PyTorch旧版wheel可能无法加载。
4、运行pip3 --version确认pip已就绪；若提示command not found，需先通过sudo apt install python3-pip或离线安装pip wheel补全。
二、通过APT源安装系统适配的PyTorch（仅限x86_64麒麟桌面版）
此方法仅适用于基于Ubuntu/Debian内核的x86_64架构麒麟桌面版（如部分早期V10 SP1镜像），可直接调用社区维护的预编译包，无需手动处理依赖链。
1、更新软件源索引：sudo apt update。
2、安装基础依赖：sudo apt install python3-dev python3-venv libopenblas-dev liblapack-dev。
3、从麒麟社区源安装PyTorch 1.10.2（x86_64专用）：sudo apt install python3-torch python3-torchvision。
4、验证安装：python3 -c "import torch; print(torch.__version__, torch.cuda.is_available())"，此时应输出1.10.2 False（CPU版）。
三、ARM64架构下在线安装PyTorch（需外网+可信源配置）
该方法适用于具备稳定外网的ARM64麒麟V10系统，通过配置PyPI镜像与指定平台参数，强制下载ARM64兼容wheel包，绕过默认x86_64过滤机制。
1、配置清华PyPI镜像加速下载：pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/。
2、安装typing_extensions与numpy ARM64轮子（关键前置依赖）：pip3 install typing_extensions numpy -f https://download.pytorch.org/whl/torch_stable.html --platform manylinux2014_aarch64 --only-binary=:all:。
3、安装PyTorch主包（以1.13.1为例）：pip3 install torch==1.13.1+cpu torchvision==0.14.1+cpu -f https://download.pytorch.org/whl/torch_stable.html --platform manylinux2014_aarch64 --only-binary=:all:。
4、验证CPU推理能力：python3 -c "import torch; x = torch.rand(3,3); print(x @ x.T)"，成功则输出3×3矩阵结果，无Illegal instruction错误。
四、ARM64麒麟V10离线安装PyTorch（生产环境首选）
该方法适用于完全断网的飞腾/鲲鹏服务器，通过在同构打包机上预下载完整依赖树并按顺序安装，确保所有whl文件ABI一致、无隐式动态链接失败。
1、在另一台相同麒麟V10+ARM64+同Python版本的联网机器上，创建干净虚拟环境：python3 -m venv offline_env && source offline_env/bin/activate。
2、执行依赖解析下载：pip download torch==1.7.1+cpu torchvision==0.8.2+cpu -f https://download.pytorch.org/whl/torch_stable.html --platform manylinux2014_aarch64 --only-binary=:all: --no-deps。
3、手动补全缺失依赖：pip download numpy==1.20.1 typing_extensions==3.7.4.3 -f https://pypi.tuna.tsinghua.edu.cn/simple/ --platform manylinux2014_aarch64 --only-binary=:all:。
4、将全部.whl文件拷贝至目标离线机，在其Python环境中按以下顺序安装：pip3 install typing_extensions-*.whl numpy-*.whl torch-*.whl torchvision-*.whl。
五、源码编译安装PyTorch（定制化与CUDA支持必需）
当需启用CUDA加速（如麒麟V10 + 鲲鹏920+昇腾310混合架构）或适配特定内核模块时，必须从源码构建。此方式耗时长、依赖严苛，但可精确控制BLAS后端与编译标志。
1、安装编译工具链：sudo yum groupinstall "Development Tools" -y && sudo yum install cmake git python3-devel openblas-devel lapack-devel -y。
2、下载PyTorch源码并切换至适配ARM64的稳定分支：git clone --recursive https://github.com/pytorch/pytorch && cd pytorch && git checkout v2.1.0。
3、设置编译环境变量：export USE_CUDA=0 && export USE_ROCM=0 && export BUILD_TEST=0 && export MAX_JOBS=$(nproc)。
4、执行构建与安装：python3 setup.py build && sudo python3 setup.py install，安装完成后验证：python3 -c "import torch; print(torch.backends.openblas.is_available())"应返回True。
