Linux下PyTorch的依赖库怎么安装

在Linux系统下安装PyTorch及其依赖库，可以按照以下步骤进行：

1. 安装Python和pip

首先，确保你已经安装了Python和pip。你可以使用以下命令来安装它们：

sudo apt update
sudo apt install python3 python3-pip

2. 安装CUDA（如果需要GPU支持）

如果你有NVIDIA GPU并且希望使用GPU加速PyTorch，你需要安装CUDA Toolkit和cuDNN库。

安装CUDA Toolkit

1. 下载CUDA Toolkit：

   • 访问NVIDIA CUDA Toolkit下载页面。
   • 根据你的Linux发行版选择合适的安装包并下载。

2. 安装CUDA Toolkit：

   sudo dpkg -i cuda-repo-<distro>_<version>_amd64.deb
   sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/<distro>/x86_64/7fa2af80.pub
   sudo apt update
   sudo apt install cuda
   

3. 设置环境变量： 编辑~/.bashrc文件，添加以下行：

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

   然后运行：

   source ~/.bashrc
   

安装cuDNN

1. 下载cuDNN库：

   • 访问NVIDIA cuDNN下载页面。
   • 注册并下载适合你CUDA版本的cuDNN库。

2. 安装cuDNN：

   tar -xzvf cudnn-<version>-linux-x64-v<version>.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*
   

3. 安装PyTorch

你可以使用pip来安装PyTorch。根据你的CUDA版本选择合适的安装命令。

安装CPU版本

pip3 install torch torchvision torchaudio

安装GPU版本（CUDA 11.3）

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

4. 验证安装

安装完成后，你可以通过以下命令来验证PyTorch是否安装成功：

import torch
print(torch.__version__)
print(torch.cuda.is_available())  # 如果安装了GPU版本，应该返回True

5. 安装其他依赖库

根据你的项目需求，你可能还需要安装其他依赖库。你可以使用pip来安装这些库：

pip3 install numpy pandas matplotlib scikit-learn

通过以上步骤，你应该能够在Linux系统下成功安装PyTorch及其依赖库。