Linux环境PyTorch安装步骤是什么

Linux环境PyTorch安装步骤

1. 安装系统依赖项

在安装PyTorch前，需确保系统具备必要的编译和运行环境。根据Linux发行版选择对应命令：

• Debian/Ubuntu系统：

  sudo apt update &
      &
       sudo apt upgrade -y
  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
  

• RPM/CentOS系统：

  sudo yum groupinstall "Development Tools" -y
  sudo yum install -y gcc-c++ cmake git openblas-devel lapack-devel libjpeg-turbo-devel libpng-devel libtiff-devel ffmpeg-devel python3-devel python3-pip
  

  以上命令安装了Python开发头文件、pip包管理器、CMake编译工具及线性代数库等依赖。

2. 安装Python与pip

多数Linux系统预装Python3，但需确认版本（建议Python≥3.8）及pip是否安装：

python3 --version  # 检查Python版本
pip3 --version     # 检查pip版本

若未安装，使用以下命令安装：

• Debian/Ubuntu：

  sudo apt install -y python3 python3-pip
  

• RPM/CentOS：

  sudo yum install -y python3 python3-pip
  

3. 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：

• 使用venv（Python内置工具）：

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

• 使用conda（Anaconda/Miniconda用户）：

  conda create -n pytorch_env python=3.8 -y  # 创建名为pytorch_env的环境，指定Python版本
  conda activate pytorch_env  # 激活环境
  

4. 安装PyTorch

根据是否使用GPU加速，选择对应安装方式：

• CPU版本（无GPU加速）：
  直接通过pip安装PyTorch的CPU版本：

  pip3 install torch torchvision torchaudio
  

• GPU版本（需NVIDIA GPU+CUDA支持）：
  需提前安装NVIDIA驱动（版本≥450）和CUDA Toolkit（如11.8），然后通过pip安装对应版本的PyTorch：

  pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118
  

  将cu118替换为实际安装的CUDA版本（如cu117、cu121等）。
• conda安装（推荐，更便捷）：
  若使用conda，可直接指定CUDA工具包版本安装：

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

  同样，将11.8替换为实际CUDA版本。

5. 验证安装

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：

python3 -c "import torch;
     print('PyTorch版本:', torch.__version__);
     print('CUDA可用:', torch.cuda.is_available())"

• 若输出PyTorch版本号（如2.1.0）且CUDA可用显示True，则说明GPU版本安装成功；
• 若CUDA可用显示False，则需检查CUDA驱动及环境变量配置。

6. 配置CUDA（GPU用户可选）

若使用GPU加速，需确保CUDA工具包正确安装并配置环境变量：

• 安装CUDA Toolkit：
  从NVIDIA官网下载对应版本的CUDA Toolkit（如11.8），运行安装脚本：

  wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
  sudo sh cuda_11.8.0_520.61.05_linux.run
  

  安装过程中选择“Continue”并接受许可协议，安装完成后重启系统。
• 配置环境变量：
  编辑~/.bashrc文件，添加以下内容：

  export PATH=/usr/local/cuda-11.8/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
  

  运行source ~/.bashrc使配置生效。

7. IDE配置（可选）

若使用PyCharm、VSCode等IDE，需将解释器设置为虚拟环境中的Python：

• PyCharm：进入File > Settings > Project > Python Interpreter，点击“+”添加解释器，选择虚拟环境中的python可执行文件（如pytorch_env/bin/python）。
• VSCode：按下Ctrl+Shift+P打开命令面板，输入“Python: Select Interpreter”，选择虚拟环境对应的Python路径。

以上步骤覆盖了Linux环境下PyTorch安装的全流程，根据自身需求选择CPU/GPU版本，并注意依赖项和环境变量的配置即可顺利完成安装。

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！