PyTorch Linux版安装教程

1. 安装前准备

1.1 更新系统包

在安装前，先更新系统包以确保依赖项为最新版本。对于基于Debian的系统（如Ubuntu），运行：
sudo apt update && sudo apt upgrade -y
对于基于RPM的系统（如CentOS），运行：
sudo yum groupinstall "Development Tools" && sudo yum update -y

1.2 安装必要依赖项

PyTorch的安装需要编译工具和基础库支持，不同系统需安装对应依赖：

• Debian系（Ubuntu）：
  sudo apt install -y build-essential cmake git libopenblas-dev liblapack-dev libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev libswscale-dev python3-dev python3-pip
• RPM系（CentOS）：
  sudo yum install -y gcc-c++ cmake git openblas-devel lapack-devel libjpeg-turbo-devel libpng-devel libtiff-devel ffmpeg-devel python3-devel python3-pip

1.3 安装Python与pip

确保系统已安装Python3（建议版本≥3.8）和pip3。若未安装，可通过以下命令安装：

• Debian系：sudo apt install -y python3 python3-pip
• RPM系：sudo yum install -y python3 python3-pip
  安装后，通过python3 --version和pip3 --version验证版本。

2. 创建虚拟环境（推荐）

为避免项目依赖冲突，建议使用虚拟环境隔离PyTorch及其依赖。

• 使用venv（Python内置模块）：
  python3 -m venv pytorch_env（创建名为pytorch_env的虚拟环境）
  source pytorch_env/bin/activate（激活虚拟环境，激活后终端提示符会显示环境名）
• 使用conda（Anaconda/Miniconda用户）：
  conda create -n pytorch_env python=3.8（创建Python 3.8环境）
  conda activate pytorch_env（激活环境）

3. 安装PyTorch

根据硬件配置（CPU/GPU）选择安装方式，优先通过PyTorch官网获取最新安装命令（pytorch.org）。

3.1 使用pip安装

• CPU版本（无GPU加速）：
  pip3 install torch torchvision torchaudio
• GPU版本（需NVIDIA GPU+CUDA支持）：
  选择与CUDA版本匹配的命令，例如CUDA 11.8：
  pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118
  若需指定PyTorch版本（如1.13.0），可添加版本号：
  pip3 install torch==1.13.0 torchvision==0.14.0 torchaudio==2.0.0 --extra-index-url https://download.pytorch.org/whl/cu118

3.2 使用conda安装

• CPU版本：
  conda install pytorch torchvision torchaudio cpuonly -c pytorch
• GPU版本（需提前安装CUDA Toolkit）：
  例如CUDA 11.8：
  conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia

4. 验证安装

安装完成后，通过Python交互环境验证PyTorch是否安装成功及GPU支持情况：
python3 -c "import torch; print('PyTorch版本:', torch.__version__); print('CUDA可用:', torch.cuda.is_available())"

• 若输出PyTorch版本号（如2.0.1）且CUDA可用显示True，则说明安装成功且GPU加速可用；
• 若CUDA可用显示False，需检查CUDA驱动及环境变量配置（见下文）。

5. 配置CUDA（GPU用户必选）

若使用GPU加速，需确保已安装NVIDIA驱动和CUDA Toolkit，并配置环境变量：

5.1 安装NVIDIA驱动

通过以下命令查看当前驱动版本：
nvidia-smi
若未安装或版本过低，可从NVIDIA官网下载对应驱动（如NVIDIA-Linux-x86_64-535.161.07.run），然后运行：
sudo sh NVIDIA-Linux-x86_64-535.161.07.run
按照提示完成安装，重启系统。

5.2 安装CUDA Toolkit

从NVIDIA官网下载对应版本的CUDA Toolkit（如11.8），运行安装脚本：
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run
安装时选择“Continue”并接受协议，安装完成后，将CUDA路径添加到环境变量：
编辑~/.bashrc文件，添加以下内容：
export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
保存后运行source ~/.bashrc使配置生效。

6. 常见问题解决

6.1 网络问题（安装慢）

若下载速度慢，可使用国内镜像源加速：

• pip镜像源：
  pip3 install torch torchvision torchaudio --extra-index-url https://mirrors.aliyun.com/pytorch-wheels/cpu
• conda镜像源：
  创建.condarc文件（位于用户主目录），添加：
  channels: ["defaults", "清华", "pytorch"]
show_channel_urls: true

6.2 CUDA版本不兼容

PyTorch对CUDA版本有严格要求，需确保安装的PyTorch版本与CUDA版本匹配。可通过nvidia-smi查看CUDA版本，再选择对应PyTorch安装命令（如CUDA 11.7对应cu117）。

6.3 内存不足

若安装过程中提示内存不足，可关闭不必要的应用程序释放内存，或通过以下命令增加交换空间（Swap）：
sudo fallocate -l 4G /swapfile（创建4GB交换文件）
sudo chmod 600 /swapfile（设置权限）
sudo mkswap /swapfile（格式化为交换文件）
sudo swapon /swapfile（启用交换文件）
（可选）将交换文件添加到/etc/fstab以实现开机自动挂载。