PyTorch 预编译包命名规则解析
PyTorch 预编译包遵循标准命名规范，用户可直接访问官方仓库根据规则查找对应版本。
升级 Python 时，发现并非所有 CUDA 与 Python 的最近版本都能找到对应的 PyTorch 安装包。分析 PyTorch 的下载库发现其提供的预编译包比 PyTorch 官方主页提供的版本多很多，只要掌握命名规则，可以直接找到需要的版本。
Pypi 包名称由六部分组成，以下便是一例：
torch-2.9.1+cu130-cp313-cp313-win_amd64.whl
第一部分：torch——包名标识
对于 torch 系列，不同的包存储在不同的地址：
- torch 下载地址 https://download.pytorch.org/whl/torch
- torchaudio 下载地址 https://download.pytorch.org/whl/torchaudio/
- torchvision 下载地址 https://download.pytorch.org/whl/torchvision/
第二部分：2.9.1——PyTorch 核心版本号
2.9.1 是 PyTorch 的核心版本号，遵循'主版本号。次版本号。修订版本号'的语义化版本规范。
第三部分：+cu130——CUDA 版本适配标识
+cu130 用于标识版本适配的 CUDA 版本。其中'cu'是 CUDA 的缩写，130 代表适配的 CUDA 版本为 13.0。
'+cpu'结尾的版本仅依赖 CPU 运行，如：
torch-2.9.1+cpu-cp313-cp313-win_amd64.whl
+rocmx.x 则是支持 ROCm 的版本，如：
torch-2.9.1+rocm6.3-cp313-cp313-manylinux_2_28_x86_64.whl
第四、五部分：cp313-cp313——Python 版本适配标识
第一个 cp313 表示的是 python 3.13。
第二个 cp313 表示 ABI / 系统版本依赖，如果第二个版本以 t 结尾，如 cp313-cp313t 则表示其包含 debug 信息。
torch-2.9.1+cpu-cp313-cp313t-win_amd64.whl
Python 版本不匹配是导致'安装失败'的常见原因。
第六部分：win_amd64——操作系统与硬件架构标识
在 Python 的 Pypi 包命名中，平台标签（Platform Tag）遵循 PEP 425 规范，由操作系统、系统版本/ABI、架构三部分组成（部分场景会简化）。以下是 Pypi 包中常见的系统架构对应表格，涵盖主流操作系统、架构及典型标签示例：
核心架构与平台标签对照表
| 架构类型 | 操作系统/环境 | 完整平台标签示例 | 说明 |
|---|---|---|---|
| x86-64（64 位 x86） | Windows | win_amd64 | Windows 下的 x86_64，历史原因用 amd64 而非 x86_64 |
