Ubuntu PyTorch深度学习入门指南

在Ubuntu上安装和使用PyTorch进行深度学习是一个相对简单的过程。以下是一个详细的入门指南，帮助你从零开始配置环境，并安装PyTorch。

1. 安装Anaconda或Miniconda

首先，你需要安装Anaconda或Miniconda来管理你的Python环境和包。以下是安装Anaconda的步骤：

1. 下载并安装Anaconda：

   wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
   bash Miniconda3-latest-Linux-x86_64.sh
   

2. 初始化Anaconda（可选但推荐）：

   ~/miniconda3/bin/conda init
   source ~/.bashrc
   

2. 创建并激活虚拟环境

创建一个新的虚拟环境来安装PyTorch，这样可以避免包冲突：

conda create -n pytorch_env python=3.8
conda activate pytorch_env

3. 安装PyTorch

根据你的CUDA版本选择合适的PyTorch安装命令。以下是一些常见的CUDA版本对应的安装命令：

安装支持CUDA 11.3的PyTorch（推荐）：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

安装支持CPU的PyTorch（没有GPU支持）：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

4. 验证安装

安装完成后，你可以验证PyTorch是否成功安装：

python -c "import torch; print(torch.__version__)"
python -c "import torchvision; print(torchvision.__version__)"
python -c "import torchaudio; print(torchaudio.__version__)"
python -c "print(torch.cuda.is_available())"

如果输出显示PyTorch的版本号，并且torch.cuda.is_available()返回True，则表示安装成功。

5. 安装CUDA和cuDNN（如果使用GPU）

如果你选择安装支持GPU的PyTorch，还需要安装CUDA和cuDNN：

1. 安装NVIDIA显卡驱动：

   sudo ubuntu-drivers autoinstall
   nvidia-smi
   

2. 安装CUDA：

   wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_455.32.00_linux.run
   sudo sh cuda_11.3.1_455.32.00_linux.run
   

3. 配置环境变量： 编辑~/.bashrc文件，添加以下内容：

   export PATH=/usr/local/cuda-11.3/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH
   

   然后重新加载配置：

   source ~/.bashrc
   

4. 安装cuDNN：

   • 注册一个免费的NVIDIA开发者账号，然后下载对应版本的cuDNN：NVIDIA cuDNN下载页面
   • 解压并复制到CUDA目录：

     tar -xvf cudnn-linux-x64-v8.x.x.x_cuda11.x-archive.tar.xz
     sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include
     sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64
     sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
     

6. 验证CUDA和cuDNN安装

验证CUDA和cuDNN是否正确安装：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
cat /usr/local/cuda/lib64/libcudnn* | grep CUDNN_MAJOR -A 2

7. 运行一个简单的PyTorch示例

创建一个简单的PyTorch程序来验证一切正常：

import torch
import torch.nn as nn
import torch.optim as optim

# 创建一个简单的模型
class SimpleModel(nn.Module):
    def __init__(self):
        super(SimpleModel, self).__init__()
        self.fc = nn.Linear(784, 10)

    def forward(self, x):
        x = x.view(-1, 784)
        return self.fc(x)

model = SimpleModel()
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.01)

# 生成一些随机数据
inputs = torch.randn(64, 784)
targets = torch.randint(0, 10, (64,))

# 前向传播
outputs = model(inputs)
loss = criterion(outputs, targets)

# 反向传播和优化
optimizer.zero_grad()
loss.backward()
optimizer.step()

运行这个程序，如果没有错误，说明PyTorch已经正确安装并可以正常使用。

通过以上步骤，你应该能够在Ubuntu上成功安装和配置PyTorch，开始你的深度学习之旅。如果有任何问题，请参考PyTorch官方文档或社区支持。