Ubuntu环境下如何解决PyTorch的依赖问题

在Ubuntu环境下解决PyTorch依赖问题，可按以下步骤操作：

一、安装系统依赖

更新系统并安装基础开发工具和库：

sudo apt update
sudo apt install -y build-essential cmake git wget unzip libopenblas-dev liblapack-dev

二、安装Python环境

安装Python和pip，建议使用虚拟环境隔离依赖：

sudo apt install -y python3 python3-pip
python3 -m venv pytorch_env  # 创建虚拟环境
source pytorch_env/bin/activate  # 激活虚拟环境

三、安装CUDA和cuDNN（可选，用于GPU加速）

1. 安装CUDA
   下载对应Ubuntu版本CUDA Toolkit（如CUDA 11.7），执行以下命令：

   wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda-repo-ubuntu2004-11-7-local_11.7.1-450.51.06-1_amd64.deb
   sudo dpkg -i cuda-repo-ubuntu2004-11-7-local_11.7.1-450.51.06-1_amd64.deb
   sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
   sudo apt update
   sudo apt install -y cuda-toolkit-11-7
   

   安装后需设置环境变量（添加到~/.bashrc）：

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

2. 安装cuDNN
   下载对应CUDA版本的cuDNN库（需注册NVIDIA账号），执行：

   wget https://developer.download.nvidia.com/compute/redist/cudnn/v8.9.7/cudnn-ubuntu2004-v8.9.7-450.51.06-1+cudnn8.9.7-1_amd64.deb
   sudo dpkg -i cudnn-ubuntu2004-v8.9.7-450.51.06-1+cudnn8.9.7-1_amd64.deb
   

四、安装PyTorch

根据是否使用GPU选择安装命令：

• CPU版本：

  pip3 install torch torchvision torchaudio
  

• GPU版本（以CUDA 11.7为例）：

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

  或使用conda安装：

  conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch
  

五、验证安装

运行以下Python代码检查是否安装成功及GPU是否可用：

import torch
print(torch.__version__)
print(torch.cuda.is_available())  # 若为True则GPU可用

常见问题及解决

• 版本不匹配：确保PyTorch、CUDA、cuDNN版本兼容，可参考PyTorch官网版本对照表。
• 依赖冲突：使用虚拟环境隔离不同项目依赖，避免全局安装导致冲突。
• 安装中断：若安装过程中断，可尝试清除缓存后重新安装：

  pip cache purge