Linux 上安装 PyTorch 的依赖清单
一 基础运行依赖
- Python 3.6+ 与 pip（建议优先使用 Python 3.8–3.11 的稳定版本）
- 系统构建工具与基础开发库（用于保障常见 Python 包与多媒体/图像处理依赖的编译与运行）
- Ubuntu/Debian 系：
- sudo apt update && sudo apt install -y build-essential cmake git python3-dev python3-pip
- 可选（数据处理/视觉任务常用）：libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev libswscale-dev
- CentOS/RHEL 系：
- sudo yum groupinstall “Development Tools” -y
- sudo yum install -y gcc-c++ cmake git python3-devel python3-pip
- 建议搭配虚拟环境：venv 或 conda，避免系统包冲突
二 GPU 相关依赖（仅在使用 NVIDIA 显卡时需要）
- NVIDIA 显卡驱动：版本需与所选 CUDA 匹配；可用
ubuntu-drivers autoinstall（Ubuntu）或参考 NVIDIA 官网指引安装，安装后可通过 cat /proc/driver/nvidia/version 验证
- CUDA Toolkit：选择与 PyTorch 版本匹配的 CUDA（如 11.8、12.x）；安装后配置环境变量
- 示例（bash）：
- export CUDA_HOME=/usr/local/cuda
- export PATH=$CUDA_HOME/bin:$PATH
- export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
- cuDNN：与 CUDA 版本严格匹配；解压后复制到 CUDA 目录并设定权限
- 示例：
- 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*
三 常用可选依赖（按任务场景）
- 计算机视觉/图像处理：opencv-python 或 opencv-python-headless、Pillow
- 科学计算与数据处理：numpy、pandas、matplotlib
- 机器学习与评估：scikit-learn
- 日志与可视化：tensorboard、pyyaml
- 安装示例：pip install opencv-python Pillow numpy pandas matplotlib scikit-learn tensorboard pyyaml
四 版本匹配与安装方式建议
- 使用 pip 安装时，优先选择 PyTorch 官网生成命令；如需指定版本，保持 torch 与 torchvision 版本匹配，例如：pip install torch==1.9.0 torchvision==0.10.0
- 使用 conda 安装时，可直接获取带 cudatoolkit 的包（避免系统层面单独管理 CUDA）：conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia
- GPU 环境务必核对：驱动版本 ↔ CUDA 版本 ↔ cuDNN 版本 ↔ PyTorch 预编译包的 CUDA 标签一致
五 安装后的快速验证
- 基础版本与设备检查：
- python3 - <<‘PY’
import torch
print(“torch:”, torch.version)
print(“cuda available:”, torch.cuda.is_available())
PY
- GPU 详细信息（若可用）：
- python3 - <<‘PY’
import torch
print(“device count:”, torch.cuda.device_count())
print(“current device:”, torch.cuda.current_device())
print(“device name:”, torch.cuda.get_device_name(0))
PY