Ubuntu上如何解决PyTorch安装依赖问题

Ubuntu上解决PyTorch安装依赖问题的实用指南

一 环境准备与系统依赖

• 更新系统并安装基础编译与多媒体依赖：
  • sudo apt update && sudo apt upgrade -y
  • sudo apt install -y build-essential cmake git libopenblas-dev liblapack-dev python3-dev python3-pip
  • 可选（涉及图像/视频数据处理时）：sudo apt install -y libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev libswscale-dev
• 确认 Python ≥ 3.6 与 pip 可用：
  • python3 --version
  • pip3 --version 或 python3 -m pip --version
  • 必要时升级 pip：python3 -m pip install --upgrade pip
• 建议始终在虚拟环境中安装（venv 或 conda），避免与系统包冲突。

二 选择正确的安装方式

• GPU 版本（优先使用 conda 管理 CUDA 依赖，减少冲突）
  • conda create -n torch-gpu python=3.10 -y
  • conda activate torch-gpu
  • 例如安装支持 CUDA 11.8 的版本：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
• CPU 版本
  • conda create -n torch-cpu python=3.10 -y
  • conda activate torch-cpu
  • conda install pytorch torchvision torchaudio cpuonly -c pytorch
• pip 方式（仅在明确 CUDA 版本时使用官方 whl）
  • pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
  • 如需 CPU：pip3 install torch torchvision torchaudio
• 安装后验证：
  • python3 - <<‘PY’ import torch print(“torch:”, torch.version) print(“cuda:”, torch.cuda.is_available()) PY

三 常见依赖报错与修复

• “Could not build wheels for pytorch”
  • 升级 pip：python3 -m pip install --upgrade pip
  • 安装构建工具：sudo apt install -y build-essential cmake
  • 清理并重试：pip3 install --no-cache-dir torch torchvision torchaudio
• 网络不稳定或下载超时
  • 使用国内镜像（pip）：pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 或使用 conda 镜像（如清华/中科大），提升稳定性
• CUDA 未安装或版本不匹配
  • 查看驱动与 CUDA：nvidia-smi（右上显示 Supported/Runtime CUDA）
  • 若未安装或版本不符，按官方指引安装对应 CUDA 与 cuDNN，或改用 CPU 版本
• 依赖库缺失（常见于源码/特定功能）
  • 按报错提示安装缺失包，例如：conda/pip install pyyaml、typing-extensions、pillow 等
• GPU 太旧不被当前 PyTorch 支持
  • 选择支持旧卡的旧版 PyTorch，或改用 CPU 模式以保证可用性。

四 GPU 与 CUDA 版本匹配要点

• 用 nvidia-smi 确认驱动与“Supported/Runtime CUDA”，用 nvcc --version 确认 Toolkit 版本；两者共同决定可用的 PyTorch CUDA 版本。
• 若驱动较新但 CUDA 不匹配，优先使用 conda 安装自带的 cudatoolkit（避免系统级冲突）；或调整 PyTorch 版本以匹配现有 CUDA。
• 若 GPU 架构过旧，无法使用新 CUDA，选择旧版 PyTorch 或 CPU 版本是稳妥方案。

五 无 root 与离线环境的替代方案

• 无 root：使用 Miniconda/Anaconda 创建用户级虚拟环境，在该环境中用 conda/pip 安装 PyTorch 及其依赖，无需系统权限。
• 离线：在有网环境预先下载对应版本的 .whl 或源码包，拷贝到目标机器后 pip 安装；必要时提前安装常见依赖（如 numpy、pillow、typing-extensions）以避免构建失败。