Linux下PyTorch安装步骤是什么

Linux下PyTorch安装步骤

一 准备环境

• 更新系统并安装基础工具（以 Ubuntu/Debian 为例）：
  • 更新软件源：sudo apt update && sudo apt upgrade -y
  • 安装编译与多媒体依赖：sudo apt install -y build-essential cmake git libopenblas-dev liblapack-dev libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev libswscale-dev python3-dev python3-pip
• 确认 Python 与 pip：
  • 查看版本：python3 --version、pip3 --version
  • 升级 pip：pip3 install --upgrade pip
• 建议创建虚拟环境（可选但强烈推荐）：
  • 使用 venv：python3 -m venv pytorch-env && source pytorch-env/bin/activate
  • 或使用 conda：conda create -n pytorch_env python=3.9 然后 conda activate pytorch_env。

二 安装方式

• 使用 pip 安装（CPU）
  • 安装命令：pip3 install torch torchvision torchaudio
  • 指定版本：pip3 install torch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1
• 使用 pip 安装（GPU，CUDA）
  • 先确认已安装匹配版本的 NVIDIA 驱动 与 CUDA/cuDNN，然后选择与 CUDA 版本对应的 PyTorch 预编译包：
    • CUDA 11.8：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
    • CUDA 12.1：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
• 使用 conda 安装（推荐给需要二进制兼容与依赖管理的用户）
  • CPU：conda install pytorch torchvision torchaudio cpuonly -c pytorch
  • GPU（CUDA 11.8）：conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia
• 说明
  • GPU 版本需要与系统 CUDA 版本匹配；如不确定，优先使用 conda 方案或参考 PyTorch 官网命令生成器。

三 验证安装

• 查看版本：python3 -c “import torch; print(torch.version)”
• 检查 CUDA 可用性：python3 -c “import torch; print(torch.cuda.is_available())”（GPU 环境应返回 True）
• 如返回 False，常见原因包括：未安装 GPU 版 PyTorch、驱动/CUDA 不匹配、未在 conda 环境中安装对应 cudatoolkit。

四 常见问题与处理

• 网络慢或超时
  • 使用国内镜像源（如清华）：pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
• CUDA 版本不兼容
  • 核对驱动与 CUDA 版本，选择与 CUDA 匹配的 PyTorch 版本或改用 conda 指定 cudatoolkit 版本
• 缺少系统依赖导致运行报错
  • 安装编译与多媒体依赖（见“准备环境”）
• 多版本 Python 导致 pip 装错位置
  • 明确使用 python3/pip3，或在虚拟环境中安装以确保路径正确。