附录 B — 环境安装

本指南适用于在本地 Windows、Ubuntu 及 macOS 环境安装 torch 的 CPU 版本。

1. 安装 R 基础环境

首先，请前往 CRAN 镜像站（推荐使用清华大学 TUNA 镜像）下载并安装适用于你操作系统的 R 运行环境。该镜像站提供了 Linux、macOS 和 Windows 三大平台的安装包，请按需选择。

2. 安装 torch 核心包

R 环境配置完成后，你可以通过以下两种方式安装 torch 包：

官方 CRAN 渠道（推荐）：

install.packages("torch")

GitHub 开发版（获取最新特性）：

remotes::install_github("mlverse/torch")

注意：执行上述命令时，R 会自动安装 R6、Rcpp、coro 等十余个依赖包。在网络状况良好的情况下，此过程通常仅需数十秒。

3. 初始化运行环境

安装完成后，请加载 torch 库以触发底层库的自动配置：

library(torch)

此时，R 会自动执行以下初始化步骤：

• 下载 Libtorch：从 pytorch.org 获取 CPU 版本的 Libtorch 核心库（约 200MB，视操作系统而定）。
• 下载 Lantern：从 torch-cdn.mlverse.org 获取 Lantern 辅助库（约 3MB）。

由于底层依赖库（Libtorch）服务器位于海外，下载速度可能较慢。若自动下载失败，建议开启网络代理或参考torch 的官网文档进行手动离线安装。

两步均完成后，你便可以正式开启 R torch 的建模之旅了。

library(torch)
x <- array(runif(8), dim = c(2, 2, 2))
y <- torch_tensor(x, dtype = torch_float64())
y
#> torch_tensor
#> (1,.,.) = 
#>   0.6192  0.5800
#>   0.2488  0.3681
#> 
#> (2,.,.) = 
#>   0.0042  0.9206
#>   0.4388  0.5664
#> [ CPUDoubleType{2,2,2} ]
identical(x, as_array(y))
#> [1] TRUE

4. 安装 R studio

安装好 R 环境之后，我们还需要一个好的 IDE。建议安装 posit 公司开发的 RStudio 桌面版。

对没错，我们用的 torch 包也是这个公司的作品。

RStudio 安装结束后，会自动匹配 R 的路径。恭喜你！你已经有了一个可以跑程序的环境了。

如果你有 GPU 版本的需求，请参考这里。