Ubuntu上PyTorch依赖怎么安装

Ubuntu上安装PyTorch依赖的完整步骤

1. 更新系统包列表

首先确保系统包列表是最新的，避免后续安装依赖冲突：

sudo apt update && sudo apt upgrade -y

2. 安装Python及pip

PyTorch依赖Python环境，需安装Python 3.8及以上版本及pip包管理工具：

sudo apt install -y python3 python3-pip python3-venv

验证安装：

python3 --version  # 确认Python版本≥3.8
pip3 --version     # 确认pip已安装

3. （可选）创建虚拟环境

为隔离项目依赖，建议创建虚拟环境：

python3 -m venv pytorch_env  # 创建名为pytorch_env的虚拟环境
source pytorch_env/bin/activate  # 激活环境（激活后终端提示符会显示环境名）

4. 安装系统级依赖

PyTorch部分功能（如OpenMP、BLAS）需要系统级库支持，安装以下依赖：

sudo apt install -y build-essential cmake git wget unzip yasm pkg-config \
    libopenblas-dev liblapack-dev libjpeg-dev libpng-dev

5. 安装PyTorch依赖（核心步骤）

PyTorch有两种主要安装方式，根据需求选择：

方式一：使用pip安装（推荐）

PyTorch官方提供预编译的pip包，支持CPU和GPU版本：

• CPU版本（无GPU加速）：

  pip3 install torch torchvision torchaudio
  

• GPU版本（需配合NVIDIA GPU和CUDA）： 根据CUDA版本选择对应命令（以CUDA 11.7为例）：

  pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
  

  注：若未安装CUDA，需先完成CUDA和cuDNN的安装（见下文“可选：安装CUDA和cuDNN”）。

方式二：使用conda安装（适合Anaconda用户）

若已安装Miniconda/Anaconda，可通过conda创建环境并安装：

• CPU版本：

  conda create -n pytorch_env python=3.8
  conda activate pytorch_env
  conda install pytorch torchvision torchaudio cpuonly -c pytorch
  

• GPU版本（以CUDA 11.7为例）：

  conda create -n pytorch_env python=3.8
  conda activate pytorch_env
  conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch
  

6. （可选）安装CUDA和cuDNN（GPU加速必需）

若需使用GPU加速，需安装NVIDIA CUDA Toolkit和cuDNN库：

• CUDA Toolkit安装：

  1. 访问NVIDIA CUDA Toolkit下载页面，选择Ubuntu版本下载对应的.deb文件（如cuda-repo-ubuntu2204-11-7-local_11.7.1-450.51.06-1_amd64.deb）。
  2. 安装deb包并添加环境变量：

     sudo dpkg -i cuda-repo-ubuntu2204-11-7-local_11.7.1-450.51.06-1_amd64.deb
     sudo cp /var/cuda-repo-ubuntu2204-11-7-local/cuda-*-keyring.gpg /usr/share/keyrings/
     sudo apt update
     sudo apt install cuda-toolkit-11-7
     

  3. 配置环境变量（编辑~/.bashrc）：

     echo 'export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}' >> ~/.bashrc
     echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc
     source ~/.bashrc
     

• cuDNN安装：

  1. 访问NVIDIA cuDNN下载页面，注册账号后下载对应CUDA版本的cuDNN（如CUDA 11.7对应cuDNN 8.9.7）。
  2. 解压并安装：

     tar -xzvf cudnn-ubuntu2204-v8.9.7-450.51.06-1+cudnn8.9.7-1_amd64.deb
     sudo dpkg -i libcudnn8_8.9.7.29-1+cuda11.7_amd64.deb
     sudo dpkg -i libcudnn8-dev_8.9.7.29-1+cuda11.7_amd64.deb
     

7. 验证PyTorch安装

安装完成后，通过Python代码验证PyTorch是否安装成功及GPU是否可用：

import torch
print("PyTorch版本:", torch.__version__)  # 查看PyTorch版本
print("CUDA可用性:", torch.cuda.is_available())  # 若为True则表示GPU可用
print("GPU设备数:", torch.cuda.device_count())  # 查看GPU数量

注意事项

• 若安装GPU版本，需确保NVIDIA驱动版本与CUDA版本兼容（参考NVIDIA驱动文档）。
• 推荐使用PyTorch官方提供的安装命令（如官网首页的“Get Started”），避免版本冲突。
• 虚拟环境可有效隔离不同项目的依赖，建议始终使用虚拟环境。