如何在Linux上搭建PyTorch开发环境

一、前置准备：更新系统与安装基础依赖

在搭建PyTorch环境前，需确保Linux系统已更新至最新版本，并安装必要的系统工具与库。以Ubuntu/Debian为例，执行以下命令：

sudo apt update && sudo apt upgrade -y  # 更新系统包
sudo apt install -y build-essential cmake git wget unzip yasm pkg-config \
    libopenblas-dev liblapack-dev libjpeg-dev libpng-dev  # 安装编译工具与基础库

对于CentOS/RHEL系统，将apt替换为yum即可（如sudo yum update -y）。

二、安装Python与pip

PyTorch依赖Python 3.6及以上版本，推荐使用系统自带的Python 3或通过包管理器安装：

sudo apt install -y python3 python3-pip  # Debian/Ubuntu
# 或 sudo yum install -y python3 python3-pip  # CentOS/RHEL

验证安装：

python3 --version  # 确认Python版本≥3.6
pip3 --version     # 确认pip已安装

三、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。以Python内置模块为例：

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）

激活后，后续所有安装操作均在该环境中进行。

四、安装PyTorch：选择CPU/GPU版本

PyTorch提供pip和conda两种主流安装方式，需根据硬件配置（是否有NVIDIA GPU）选择对应版本。

1. 通过pip安装

• CPU版本（无GPU加速）：

  pip install torch torchvision torchaudio
  

• GPU版本（需CUDA支持）：
  访问PyTorch官网（pytorch.org），选择“Linux→pip→Python版本→CUDA版本”（如CUDA 11.8），获取对应命令。例如：

  pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118
  

  注：cu118代表CUDA 11.8，需替换为你系统安装的CUDA版本（可通过nvcc --version查看）。

2. 通过conda安装（推荐新手）

若已安装Miniconda/Anaconda，可使用conda快速部署：

• CPU版本：

  conda create -n pytorch_env python=3.8  # 创建conda环境（名称自定义）
  conda activate pytorch_env              # 激活环境
  conda install pytorch torchvision torchaudio cpuonly -c pytorch
  

• GPU版本：

  conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia
  

  注：cudatoolkit=11.8需与系统CUDA版本一致。

五、验证PyTorch安装

安装完成后，通过Python代码验证PyTorch是否正常工作及GPU是否可用：

python3 -c "
import torch
print('PyTorch版本:', torch.__version__)
print('CUDA是否可用:', torch.cuda.is_available())  # 若为True则表示GPU可用
"

若输出显示版本号且torch.cuda.is_available()返回True，则说明安装成功。

六、安装其他依赖库（可选）

根据项目需求，可安装常用的数据处理、可视化库：

pip install numpy pandas matplotlib scikit-learn  # pip安装
# 或 conda install numpy pandas matplotlib scikit-learn  # conda安装

七、配置IDE（可选）

若使用PyCharm、VSCode等IDE，需将解释器指向虚拟环境，以VSCode为例：

1. 打开项目，按下Ctrl+Shift+P，输入“Python: Select Interpreter”；
2. 选择虚拟环境中的Python解释器（路径为pytorch_env/bin/python）。

八、配置CUDA环境变量（可选，GPU用户）

若使用GPU版本且未自动识别CUDA，需手动配置环境变量。编辑~/.bashrc文件：

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc  # 使配置生效

注：/usr/local/cuda为CUDA默认安装路径，若路径不同需替换为实际路径。