PyTorch在Ubuntu上的GPU加速如何设置

在Ubuntu上为PyTorch设置GPU加速，你需要确保你的系统满足以下条件：

1. 一台配备了NVIDIA GPU的计算机。
2. 已安装的Ubuntu操作系统。
3. NVIDIA GPU驱动程序。
4. CUDA Toolkit。
5. cuDNN库。
6. PyTorch with GPU support。

以下是设置步骤：

步骤 1: 安装NVIDIA驱动程序

首先，你需要安装适合你的GPU型号的NVIDIA驱动程序。你可以从NVIDIA官方网站下载最新的驱动程序。

# 添加NVIDIA PPA
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update

# 安装推荐的驱动程序（通常是nvidia-driver-460或更高版本）
sudo ubuntu-drivers autoinstall

重启计算机以应用驱动程序。

步骤 2: 安装CUDA Toolkit

访问NVIDIA CUDA Toolkit下载页面，选择适合你的Ubuntu版本的CUDA Toolkit。你可以使用以下命令安装CUDA Toolkit：

# 添加NVIDIA CUDA仓库
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600

wget https://developer.download.nvidia.com/compute/cuda/11.4.2/local_installers/cuda-repo-ubuntu2004-11-4-local_11.4.2-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-11-4-local_11.4.2-1_amd64.deb

sudo apt-key add /var/cuda-repo-ubuntu2004-11-4-local/7fa2af80.pub
sudo apt update

# 安装CUDA Toolkit
sudo apt install cuda

步骤 3: 安装cuDNN库

cuDNN是用于深度神经网络的GPU加速库。你需要注册NVIDIA开发者账户并下载cuDNN。下载后，按照以下步骤安装：

# 解压下载的文件
tar -xzvf cudnn-11.4-linux-x64-v8.2.2.26.tgz

# 将cuDNN文件复制到CUDA目录
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*

步骤 4: 安装PyTorch with GPU support

你可以使用pip或conda来安装PyTorch。确保选择与你的CUDA版本兼容的PyTorch版本。例如，如果你安装的是CUDA 11.4，你可以使用以下命令安装PyTorch：

# 使用pip安装
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu114

# 或者使用conda安装
conda install pytorch torchvision torchaudio cudatoolkit=11.4 -c pytorch

步骤 5: 验证安装

安装完成后，你可以通过运行以下命令来验证PyTorch是否能检测到GPU：

import torch
print(torch.cuda.is_available())

如果输出为True，则表示PyTorch已经成功配置了GPU加速。

请注意，上述步骤可能会随着时间的推移而变化，因此建议查看PyTorch官方网站上的最新安装指南。