PyTorch在Ubuntu上怎么运行

在 Ubuntu 上运行 PyTorch 的完整步骤

一 准备环境

• 更新系统并安装基础工具：
  • sudo apt update && sudo apt upgrade
  • sudo apt install -y python3 python3-pip build-essential
• 建议创建隔离环境（二选一）：
  • 使用 venv：
    • sudo apt install -y python3-venv
    • python3 -m venv ~/pytorch-env
    • source ~/pytorch-env/bin/activate
  • 使用 conda（Miniconda）：
    • 下载并安装 Miniconda，然后创建环境：
      • conda create -n pytorch-env python=3.10 -y
      • conda activate pytorch-env
• 升级 pip：python -m pip install -U pip 以上步骤完成后，后续安装与运行都在激活的虚拟环境中进行。

二 安装 PyTorch

• CPU 版本（最通用）：
  • pip install torch torchvision torchaudio
• GPU 版本（pip，按 CUDA 版本选择其一）：
  • CUDA 11.8：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
  • CUDA 12.1：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
• GPU 版本（conda，内置 cudatoolkit，无需单独装 CUDA）：
  • conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
• 说明：
  • 若不确定 CUDA 版本，可先装 CPU 版，或到 PyTorch 官网生成与你系统匹配的命令。
  • 使用 conda 时优先选择带 cudatoolkit 的构建，减少驱动/库不匹配问题。

三 验证安装与运行第一个程序

• 验证安装：
  • python - <<‘PY’ import torch print(“PyTorch version:”, torch.version) print(“CUDA available:”, torch.cuda.is_available()) if torch.cuda.is_available(): print(“CUDA device count:”, torch.cuda.device_count()) print(“Current device:”, torch.cuda.current_device()) print(“Device name:”, torch.cuda.get_device_name(0)) PY
• 运行示例脚本 test.py：
  • nano test.py
  • 粘贴：
    • import torch x = torch.rand(5, 3) y = torch.rand(5, 3) z = torch.matmul(x, y) print(z)
  • 运行：python test.py
• 启用 GPU（若可用）：
  • device = torch.device(“cuda” if torch.cuda.is_available() else “cpu”)
  • x, y = x.to(device), y.to(device)
  • z = torch.matmul(x, y) 以上验证与示例覆盖了版本、CUDA 可用性以及最小矩阵运算。

四 GPU 排错要点

• 驱动与工具链：
  • 查看推荐驱动：ubuntu-drivers devices
  • 安装驱动（示例）：sudo apt install nvidia-driver-535（按推荐版本安装）
  • 若使用系统 CUDA，设置环境变量（示例路径，按实际安装版本调整）：
    • echo ‘export PATH=/usr/local/cuda/bin:$PATH’ >> ~/.bashrc
    • echo ‘export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH’ >> ~/.bashrc
    • source ~/.bashrc
• 版本匹配：
  • 驱动版本需与 CUDA 版本匹配；conda 方案用内置 cudatoolkit 通常更省心。
• 常见症状与处理：
  • torch.cuda.is_available() 为 False：检查驱动是否加载（nvidia-smi）、是否安装了对应 CUDA 的 PyTorch 包、是否在虚拟环境中正确激活。
  • 导入 torch 报 libcudart.so 找不到：通常是 CUDA 库路径未加入环境变量或版本不匹配，优先用 conda 的 cudatoolkit 方案或修正 LD_LIBRARY_PATH。