Linux中PyTorch依赖怎么装

在Linux系统中安装PyTorch及其依赖，可以按照以下步骤进行：

1. 安装Python和pip

首先，确保你的系统上已经安装了Python和pip。大多数Linux发行版默认已经安装了Python，但可能需要更新到最新版本。

sudo apt update
sudo apt install python3 python3-pip

2. 安装CUDA和cuDNN（如果使用GPU）

如果你打算在GPU上运行PyTorch，需要安装CUDA和cuDNN。

安装CUDA

1. 下载CUDA Toolkit：

   • 访问NVIDIA CUDA Toolkit下载页面。
   • 根据你的Linux发行版选择合适的版本并下载。

2. 安装CUDA Toolkit：

   sudo dpkg -i cuda-repo-<distro>_<version>_amd64.deb
   sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/<distro>/x86_64/7fa2af80.pub
   sudo apt update
   sudo apt install cuda
   

3. 设置环境变量： 编辑~/.bashrc文件，添加以下行：

   export PATH=/usr/local/cuda-<version>/bin${PATH:+:${PATH}}
   export LD_LIBRARY_PATH=/usr/local/cuda-<version>/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
   

   然后运行：

   source ~/.bashrc
   

安装cuDNN

1. 下载cuDNN库：

   • 访问NVIDIA cuDNN下载页面。
   • 根据你的CUDA版本选择合适的cuDNN版本并下载。

2. 解压并安装cuDNN：

   tar -xzvf cudnn-<version>-linux-x64-v<version>.tgz
   sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
   sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
   sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
   

3. 安装PyTorch

你可以使用pip来安装PyTorch。访问PyTorch官方网站，选择适合你系统的安装命令。

使用pip安装PyTorch

pip3 install torch torchvision torchaudio

如果你使用的是GPU版本，可以使用以下命令：

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu<version>

将<version>替换为你的CUDA版本号，例如cu113。

4. 验证安装

安装完成后，可以通过以下命令验证PyTorch是否安装成功：

python3 -c "import torch; print(torch.__version__)"

如果输出PyTorch的版本号，说明安装成功。

5. 安装其他依赖（可选）

根据你的项目需求，可能还需要安装其他Python库。可以使用pip来安装这些库：

pip3 install numpy pandas matplotlib scikit-learn

通过以上步骤，你应该能够在Linux系统上成功安装PyTorch及其依赖。