在Ubuntu上配置PyTorch可以分为几个步骤,包括安装必要的依赖、安装CUDA和cuDNN、以及使用pip或conda安装PyTorch。以下是详细的步骤:
首先,确保你的系统已经安装了Python和pip。如果没有安装,可以使用以下命令进行安装:
sudo apt update
sudo apt install python3-pip python3-dev
访问NVIDIA CUDA Toolkit官网下载并安装适合你Ubuntu版本的CUDA Toolkit。例如,对于Ubuntu 20.04,你可以下载CUDA 11.7。
wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda-repo-ubuntu2004-11-7-local_11.7.1-450.51.06-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-11-7-local_11.7.1-450.51.06-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu2004-11-7-local/7fa2af80.pub
sudo apt update
sudo apt install cuda-toolkit-11.7
访问NVIDIA cuDNN官网下载并安装对应CUDA版本的cuDNN。例如,对于CUDA 11.7,你可以下载cuDNN 8.9.7。
wget https://developer.download.nvidia.com/compute/redist/cudnn/v8.9.7/local_installers/cudnn-ubuntu2004-v8.9.7-450.51.06-1+cudnn8.9.7-1_amd64.deb
sudo dpkg -i cudnn-ubuntu2004-v8.9.7-450.51.06-1+cudnn8.9.7-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2004-11-7-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt update
sudo apt install cudnn
你可以使用pip在Ubuntu上安装PyTorch。根据你的CUDA版本,选择合适的PyTorch版本进行安装。例如,对于CUDA 11.7:
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
如果你更喜欢使用conda,可以按照以下步骤进行安装:
# 安装Anaconda或Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
source ~/.bashrc
# 创建并激活虚拟环境
conda create -n pytorch_env python=3.8
conda activate pytorch_env
# 安装PyTorch
conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c conda-forge
安装完成后,你可以通过以下Python代码验证PyTorch是否安装成功:
import torch
print(torch.__version__)
print(torch.cuda.is_available())
如果torch.cuda.is_available()
返回True
,则表示PyTorch已经成功配置并可以使用GPU加速。