Linux中PyTorch与CUDA如何配置

在Linux系统中配置PyTorch与CUDA的步骤如下：

安装CUDA Toolkit

1. 检查现有CUDA安装：

   ls /usr/local/cuda-*
   

   如果存在/usr/local/cuda-*目录，表示已安装CUDA。

2. 下载并安装CUDA Toolkit： 假设需要安装CUDA 12.1，可以使用以下命令：

   wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda-repo-ubuntu2204-12-1-local_12.1.0-530.30.02-1_amd64.debs
   sudo dpkg -i cuda-repo-ubuntu2204-12-1-local_12.1.0-530.30.02-1_amd64.debs
   sudo cp /var/cuda-repo-ubuntu2204-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
   sudo apt-get update
   sudo apt-get -y install cuda
   

3. 配置环境变量： 编辑~/.bashrc文件，添加以下行：

   export PATH=/usr/local/cuda-12.1/bin:$PATH
   export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH
   

   保存并关闭文件，然后运行：

   source ~/.bashrc
   

4. 验证CUDA安装：

   nvcc --version
   

安装Miniconda

1. 下载并安装Miniconda：

   wget https://repo.anaconda.com/archive/Anaconda3-2024.05-Linux-x86_64.sh
   bash Anaconda3-2024.05-Linux-x86_64.sh
   

2. 初始化Miniconda： 按照屏幕提示完成安装，并激活环境：

   source ~/.bashrc
   conda create -n pytorch python=3.8
   conda activate pytorch
   

安装PyTorch

1. 使用Conda安装PyTorch： 根据你的CUDA版本，从PyTorch官网获取安装命令。例如，对于CUDA 12.1：

   conda install pytorch torchvision torchaudio cudatoolkit=12.1 -c pytorch
   

2. 验证PyTorch安装：

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

如果输出显示CUDA可用，则表示PyTorch与CUDA配置成功。

注意事项

• 确保安装了与PyTorch兼容的CUDA版本。
• 在安装过程中，如果遇到权限问题，可以使用sudo命令。
• 配置环境变量时，确保路径正确无误。

通过以上步骤，你可以在Linux系统中成功配置PyTorch与CUDA，从而利用GPU加速深度学习模型的训练和推理。