Linux上如何搭建PyTorch开发环境

一、前置准备：更新系统包

在开始安装前，确保系统包是最新的，避免依赖冲突：

sudo apt update && sudo apt upgrade -y  # Debian/Ubuntu系统
# 或
sudo yum update -y                      # CentOS/RHEL系统

二、安装Python与pip

PyTorch依赖Python 3.6及以上版本，需先安装Python和pip（多数Linux发行版默认包含Python 3，但需确认）：

# Debian/Ubuntu系统
sudo apt install -y python3 python3-pip python3-venv

# CentOS/RHEL系统
sudo yum install -y python3 python3-pip

三、创建虚拟环境（推荐）

为隔离项目依赖，避免全局环境污染，建议创建虚拟环境：

python3 -m venv pytorch_env  # 创建名为pytorch_env的虚拟环境
source pytorch_env/bin/activate  # 激活虚拟环境（激活后终端提示符会显示环境名）

四、安装PyTorch

PyTorch提供pip和conda两种主流安装方式，需根据是否需要GPU加速选择对应版本。

1. 通过pip安装

• CPU版本（无GPU加速）：

  pip install torch torchvision torchaudio
  

• GPU版本（需NVIDIA GPU+CUDA支持）： 访问PyTorch官网，选择对应的CUDA版本（如11.8），获取最新安装命令。例如：

  pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118
  

2. 通过conda安装（推荐新手）

若已安装Miniconda/Anaconda，可使用conda快速安装：

• CPU版本：

  conda create -n pytorch_env python=3.8  # 创建conda环境
  conda activate pytorch_env              # 激活环境
  conda install pytorch torchvision torchaudio cpuonly -c pytorch
  

• GPU版本：

  conda create -n pytorch_env python=3.8
  conda activate pytorch_env
  conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia
  

五、验证安装

安装完成后，通过Python代码验证PyTorch是否安装成功及CUDA是否可用：

python3 -c "
import torch
print('PyTorch版本:', torch.__version__)
print('CUDA是否可用:', torch.cuda.is_available())  # 若为True则表示GPU加速可用
"

六、安装其他依赖库（可选）

根据项目需求，安装常用数据处理、可视化库：

pip install numpy pandas matplotlib scikit-learn  # pip安装
# 或
conda install numpy pandas matplotlib scikit-learn  # conda安装

七、配置环境变量（可选，仅系统级安装需要）

若将PyTorch安装到系统目录而非虚拟环境，需配置环境变量以便全局访问：

echo 'export PATH=/usr/local/pytorch/bin:$PATH' >> ~/.bashrc  # 添加PyTorch bin目录到PATH
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc  # 添加CUDA库路径（GPU用户）
source ~/.bashrc  # 使配置生效

八、常见问题排查

• CUDA驱动问题：若安装GPU版本时报错，需确保已安装正确版本的NVIDIA驱动（可通过nvidia-smi查看驱动版本）和CUDA Toolkit（与PyTorch版本匹配）。
• 依赖冲突：若出现依赖冲突，建议删除虚拟环境并重新创建（rm -rf pytorch_env），再重新安装。
• 网络问题：国内用户可使用清华镜像源加速pip安装（如pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch）。