安装¶

TensorMesh 可在 Linux、macOS 和 Windows 上运行。唯一的硬性要求是 Python ≥ 3.10 和 PyTorch ≥ 2.0；其余所有依赖（NumPy、SciPy、meshio、torch-sla 等）都会由 pip 自动安装。

如果你打算使用 GPU 后端，请在安装 TensorMesh 之前先安装启用了 CUDA 的 PyTorch 版本——请按照官方的 PyTorch 安装选择器，针对你的平台／CUDA 版本获取正确的安装命令。

通过 PyPI 安装¶

推荐通过 PyPI 来安装 TensorMesh：

pip install tensormesh-fem             # CPU only
pip install "tensormesh-fem[gpu]"      # + CUDA sparse solvers (CuPy + cuDSS)

如果你拥有 NVIDIA GPU 并想使用 CUDA 稀疏求解器后端，请使用第二种形式——[gpu] 这个 extra 会通过 torch-sla 同时安装 CuPy 和 cuDSS。这里需要加引号，因为 [...] 是 shell 的通配符字符；如果你只想要 CuPy 或 cuDSS 中的一个，请参阅 Sparse solvers and GPU acceleration 了解各后端的细分说明。

Either form pulls in all required dependencies, including torch-sla, the differentiable sparse linear algebra library that powers TensorMesh's solvers. The base pip install tensormesh-fem installs only the CPU sparse stack (SciPy / native PyTorch); see Sparse solvers and GPU acceleration below for the full extras matrix ([cupy] / [cudss] / [gpu]) and how to verify which backends are usable on your machine.

从源码安装¶

如需进行开发工作，或获取尚未发布的最新改动，请克隆仓库并以可编辑模式安装：

git clone https://github.com/camlab-ethz/TensorMesh.git
cd TensorMesh
pip install -e .

-e（可编辑）标志意味着对源码树的修改会被自动识别，无需重新安装。若要同时安装测试依赖：

pip install -e ".[test]"

稀疏求解器与 GPU 加速¶

为 TensorMesh 求解器提供动力的稀疏线性代数层位于一个独立的库 torch-sla 中，这样它便能独立演进并服务于其他项目。torch-sla 是一个 硬性的、导入时即需满足 的依赖——缺少它 tensormesh.sparse 将无法导入——并且它是 CPU 和 GPU 稀疏求解的统一入口。当前和未来的所有求解器工作都会先落地到 torch-sla；我们建议保持其为最新版本。

基础的 tensormesh-fem wheel 只会安装 CPU 栈（SciPy / 原生 PyTorch）。若要启用 GPU 后端，请安装其中一个镜像的 extra：

安装命令	新增的后端	适用场景
`pip install tensormesh-fem`	仅 CPU	默认；不进行 GPU 稀疏求解。
`pip install "tensormesh-fem[cupy]"`	CuPy（CUDA）	迭代式 GPU 求解器（CG / GMRES / …）+ CuPy SuperLU。
`pip install "tensormesh-fem[cudss]"`	cuDSS（CUDA）	最快的 GPU 直接求解器（LU / Cholesky / LDLT）。
`pip install "tensormesh-fem[gpu]"`	两者皆有	便捷 extra——安装 `torch-sla[all]`。

这些 extra 镜像了上游 torch-sla 的 extra（[cupy] / [cudss] / [all]）——安装 tensormesh-fem[gpu] 与 pip install tensormesh-fem torch-sla[all] 完全等价，只是将其写成了一步完成。

查看已安装的内容¶

安装完成后，你可以查看当前机器上有哪些后端可用——对于尚不可用的后端，还会给出一行安装提示：

>>> import torch_sla
>>> torch_sla.show_backends()
torch-sla backend status (CUDA: available)
  scipy    [CPU]      available
  eigen    [CPU]      not available — JIT-compiled C++ extension (requires a C++ compiler)
  pytorch  [CPU/CUDA] available
  cupy     [CUDA]     not available — pip install torch-sla[cupy]
  cudss    [CUDA]     not available — pip install torch-sla[cudss]

完整的后端／方法矩阵，以及如何在求解时选择非默认后端，请参阅稀疏求解器。

其他 extras¶

另有几个用于可选功能的较小 extras：

Extra	安装命令
用于示例 notebook 的 Plotly	`pip install "tensormesh-fem[example]"`
测试套件（pytest、pytest-cov）	`pip install "tensormesh-fem[test]"`

另有两个包通常也很有用，但未被声明为 extras——需要时请直接安装它们：

pip install gmsh       # external mesh generation / .msh I/O
pip install pyvista    # interactive 3D visualization

后续步骤¶

安装完成后，前往验证安装运行一个冒烟测试，或者直接进入快速开始体验二维泊松问题的完整演练。