Ubuntu上如何安装PyTorch GPU版 - 问答

在Ubuntu上安装PyTorch GPU版，你需要确保你的系统满足以下条件：

一台配备了NVIDIA GPU的计算机。
已经安装了NVIDIA CUDA Toolkit。
已经安装了cuDNN库。

以下是安装步骤：

步骤1：安装CUDA Toolkit

首先，你需要根据你的GPU型号和驱动版本选择合适的CUDA Toolkit版本。你可以从NVIDIA官网的CUDA Toolkit Archive下载。

以CUDA 11.7为例，你可以使用以下命令安装：

wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run
sudo sh cuda_11.7.0_515.43.04_linux.run

在安装过程中，确保选择安装CUDA Toolkit以及驱动程序（如果尚未安装）。

步骤2：安装cuDNN

cuDNN是用于深度神经网络的GPU加速库。你需要注册一个NVIDIA开发者账户并登录到cuDNN下载页面来下载适合你CUDA版本的cuDNN。

下载后，解压文件并将文件复制到CUDA目录中：

tar -xzvf cudnn-11.7-linux-x64-v8.4.1.50.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*

步骤3：设置环境变量

为了确保PyTorch能够找到CUDA和cuDNN，你需要设置一些环境变量。将以下内容添加到你的~/.bashrc文件中：

export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后运行以下命令使更改生效：

source ~/.bashrc

步骤4：安装PyTorch GPU版

你可以使用pip来安装PyTorch GPU版。访问PyTorch官网，选择适合你的操作系统、包管理器、CUDA版本等信息，然后复制生成的pip安装命令。

例如，如果你使用的是CUDA 11.7，可以使用以下命令安装：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

验证安装

安装完成后，你可以通过运行以下命令来验证PyTorch是否正确安装并能够检测到GPU：

import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.current_device())
print(torch.cuda.get_device_name(torch.cuda.current_device()))

如果输出显示了CUDA的版本号，并且torch.cuda.is_available()返回True，则表示PyTorch GPU版已经成功安装。

请注意，上述步骤可能会随着PyTorch和CUDA版本的更新而变化。建议访问PyTorch官网获取最新的安装指南。

0 赞

0 踩