PyTorch在Linux的部署方法

PyTorch在Linux系统中的部署方法

1. 准备工作：系统更新与依赖安装

在部署前，需确保Linux系统（如Ubuntu、CentOS）的软件包是最新的，并安装PyTorch所需的依赖项。以Ubuntu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  # 安装编译和库依赖

对于CentOS系统，可将apt替换为yum（如sudo yum update -y）。

2. 安装Python与虚拟环境工具

PyTorch需要Python 3.6及以上版本，建议使用venv（Python内置）或conda（Anaconda/Miniconda）创建虚拟环境，隔离项目依赖。

• 使用系统Python安装venv：

  sudo apt install -y python3 python3-pip python3-venv  # 安装Python和venv
  

• 使用Miniconda安装（推荐）：
  Miniconda是轻量级的conda发行版，便于环境管理。下载并运行安装脚本：

  wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
  bash Miniconda3-latest-Linux-x86_64.sh  # 按提示完成安装
  source ~/.bashrc  # 激活conda
  

3. 创建并激活虚拟环境

虚拟环境可避免不同项目的依赖冲突，建议为每个PyTorch项目单独创建。

# 使用venv创建环境（Python内置）
python3 -m venv pytorch_env  # 创建名为pytorch_env的环境
source pytorch_env/bin/activate  # 激活环境（终端提示符会显示环境名）

# 或使用conda创建环境（推荐）
conda create -n pytorch_env python=3.8 -y  # 指定Python版本（如3.8）
conda activate pytorch_env  # 激活环境

激活后，后续所有操作均在虚拟环境中进行。

4. 安装PyTorch：选择pip或conda方式

根据是否需要GPU加速，选择对应的安装命令。优先通过PyTorch官网获取最新安装命令（避免版本兼容问题）。

（1）使用pip安装（最常用）

• CPU版本（无GPU加速）：

  pip install torch torchvision torchaudio  # 安装CPU版PyTorch
  

• GPU版本（需NVIDIA GPU和CUDA支持）：
  需指定CUDA Toolkit版本（如11.7），从PyTorch官方仓库下载预编译的whl文件：

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

  注：cu117表示CUDA 11.7，需与系统中安装的CUDA版本一致（可通过nvcc --version查看）。

（2）使用conda安装（适合Anaconda用户）

conda会自动处理依赖关系，安装更便捷。

• CPU版本：

  conda install pytorch torchvision torchaudio cpuonly -c pytorch
  

• GPU版本：

  conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c nvidia
  

  注：cudatoolkit=11.7指定CUDA版本，conda会自动安装兼容的cuDNN。

5. 验证安装是否成功

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

python3 -c "
import torch
print('PyTorch版本:', torch.__version__)  # 输出版本号
print('CUDA可用:', torch.cuda.is_available())  # GPU版本应返回True
"

若输出版本号且torch.cuda.is_available()为True，则说明安装成功。

6. 常见问题解决

• 网络问题：若pip安装缓慢，可使用国内镜像源（如清华大学）：

  pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
  

• CUDA版本不兼容：确保PyTorch版本与CUDA版本匹配（参考PyTorch官网的CUDA版本对应表）。
• 权限问题：若遇到权限错误，可使用--user选项安装到用户目录，或使用虚拟环境（推荐）。

7. 可选：配置IDE（如VSCode、PyCharm）

若使用IDE开发，需配置其使用虚拟环境的Python解释器：

• VSCode：按Ctrl+Shift+P打开命令面板，输入“Python: Select Interpreter”，选择虚拟环境中的Python（如pytorch_env/bin/python）。
• PyCharm：进入File -> Settings -> Project -> Python Interpreter，点击“Add Interpreter”，选择“Existing environment”，然后选择虚拟环境的解释器路径。

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！