uv 使用教程

前言

conda似乎已经被嫌弃了，合作的企业都开始用uv了，我也应该跟着转型

安装

基本使用

在一个没有使用 uv 的目录中，初始化（生成pyproject.toml）

uv init

然后可以编辑pyproject.toml，在里面添加依赖，最后执行

uv sync

它会自动创建一个虚拟环境，然后同步依赖

如果你想要手动创建一个虚拟环境，需要在项目根目录下执行，它会创建一个.venv

uv venv --python 3.10.19

启用创建的环境，同样在项目根目录下

source .venv/bin/activate

在项目已有pyproject.toml和uv.lock的情况下，同步项目依赖

uv sync

切换虚拟环境的 python 版本

比如说你现在想要 3.10 版本，不管你现在是什么版本，执行

uv python pin 3.10
uv sync --reinstall

它会帮你切换到 3.10，然后重新安装依赖

安装 GPU 版本的 PyTorch

参考Using uv with PyTorch

特定 CUDA 版本的 PyTorch 不在标准 PyPI 包上面，如果你直接使用 uv 安装，会安装到 cpu 版本。

正确的做法参考官方文档

首先修改pyproject.toml，以cu118为例

[project]
name = "project"
version = "0.1.0"
requires-python = ">=3.14"
dependencies = [
  "torch>=2.9.1",
  "torchvision>=0.24.1",
]

[[tool.uv.index]]
name = "pytorch-cu118"
url = "https://download.pytorch.org/whl/cu118"
explicit = truepyproject.toml

然后执行

uv lock

这一步会更新uv.lock文件

最后执行

uv sync

换源

安装 Python 换源

uv 默认从 github 下载预编译的 python 二进制，所以创建虚拟环境的时候可能会卡住，需要换源

export UV_PYTHON_INSTALL_MIRROR="https://python-standalone.org/mirror/astral-sh/python-build-standalone"

清华源

export UV_PYTHON_DOWNLOADS_URL=https://mirrors.tuna.tsinghua.edu.cn/github-release/astral-sh/python-build-standalone/

试了试下清华源，不咋快

参考知乎-用uv管理python环境(各种应用场景)-VCVC

PyPI 换源

export UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple

powershell

$env:UV_INDEX_URL = "https://pypi.tuna.tsinghua.edu.cn/simple"

cmd

set UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple