Ubuntu上PyTorch资源获取途径

Ubuntu上PyTorch资源获取的核心途径

1. 官方渠道：PyTorch官网（推荐首选）

PyTorch官方网站（pytorch.org）提供Linux（含Ubuntu）系统的预编译二进制包，支持CPU和GPU（CUDA）版本。用户可通过官网的“Get Started”页面，选择对应的Ubuntu版本（如20.04/22.04/24.04）、包管理器（pip/conda）及计算设备（CPU/GPU），直接获取安装命令。例如，使用conda安装CUDA 11.8版本的命令为：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia。官方渠道的优势是版本最新、兼容性有保障，且提供详细的安装文档与社区支持。

2. 包管理器：Ubuntu Software Center & APT

Ubuntu的**软件中心（Software Center）**内置了PyTorch的图形化安装选项，用户可直接搜索“PyTorch”并点击安装（通常为CPU版本）。此外，通过终端使用APT包管理器也能安装PyTorch：

• 添加PyTorch官方APT仓库：sudo add-apt-repository ppa:pytorch/pytorch；
• 更新软件包列表：sudo apt update；
• 安装CPU版本：sudo apt install python3-pytorch。
  这种方式适合追求便捷性的用户，但版本更新可能滞后于官方。

3. Python包索引：PyPI（pip安装）

对于习惯使用pip的用户，可通过PyPI（Python Package Index）安装PyTorch。在终端运行以下命令即可获取CPU版本：pip3 install torch torchvision torchaudio。若需要GPU加速，需指定CUDA版本（如CUDA 11.8）：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118。pip安装的优势是灵活，可自定义版本，但需手动解决依赖（如CUDA、cuDNN）。

4. 第三方工具：conda（Anaconda/Miniconda）

conda是Anaconda/Miniconda提供的包与环境管理工具，适合需要隔离环境的用户。通过conda安装PyTorch时，会自动解决依赖冲突（如CUDA、cuDNN）。例如，创建名为“pytorch_env”的环境并安装CUDA 11.7版本：

conda create -n pytorch_env python=3.9
conda activate pytorch_env
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

conda的优势是环境管理便捷，适合复杂项目。

5. 源码编译（高级用户）

若需要定制化功能（如修改源码、支持特定硬件），可从PyTorch的GitHub仓库（github.com/pytorch/pytorch）下载源码，通过CMake编译安装。步骤大致为：

• 安装依赖：sudo apt install build-essential cmake git；
• 克隆仓库：git clone --recursive https://github.com/pytorch/pytorch；
• 编译安装：cd pytorch && python setup.py install。
  源码编译的优势是灵活性极高，但过程复杂，需解决依赖与编译错误，适合有经验的用户。

注意事项

• GPU支持：若使用GPU，需提前安装NVIDIA驱动（推荐通过PPA安装长期稳定版）、CUDA Toolkit（与PyTorch版本匹配）及cuDNN（深度学习加速库）；
• 版本兼容性：选择PyTorch版本时，需确保与Ubuntu版本、Python版本及CUDA版本兼容（如PyTorch 2.0+支持CUDA 11.7及以上）；
• 依赖解决：使用pip或conda安装时，工具会自动解决多数依赖，但手动编译需自行处理（如安装numpy、scipy等基础库）。