如何在Ubuntu上解决PyTorch的依赖问题

Ubuntu 上解决 PyTorch 依赖问题的实用步骤

一 环境准备与基础检查

• 更新系统并安装基础工具：sudo apt update & & sudo apt install -y build-essential cmake git python3-dev python3-pip
• 确认 Python 与 pip：python3 --version、python3 -m pip --version；如 Ubuntu 24.04 默认 Python 3.12 可能与部分版本不兼容，建议安装并使用 Python 3.10（PyTorch 常见支持范围为 3.8–3.11）：sudo apt install -y python3.10；sudo update-alternatives --install /usr/bin/python python /usr/bin/python3.10 1
• 升级 pip：python -m pip install --upgrade pip
• 显卡与驱动检查（GPU 场景）：nvidia-smi 查看驱动与最高支持的 CUDA 运行时；随后在 Python 中验证：python - < < ‘PY’ import torch print(“torch:”, torch.version, “cuda:”, torch.version.cuda) print(“cuda available:”, torch.cuda.is_available()) PY

二 安装 PyTorch 与系统依赖

• 使用虚拟环境隔离依赖（推荐）：python -m venv venv & & source venv/bin/activate（或 conda create -n pytorch_env python=3.10）
• 安装常见系统依赖（解决运行期如 libGL、多媒体解码等报错）：sudo apt install -y libgl1 libglib2.0-0 ffmpeg
• 选择安装方式（择一，避免混用）：
  • pip 安装（CPU）：pip install torch torchvision torchaudio
  • pip 安装（GPU，示例为 CUDA 12.1）：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
  • conda 安装（CPU）：conda install pytorch torchvision torchaudio cpuonly -c pytorch
  • conda 安装（GPU，示例为 cudatoolkit=12.1）：conda install pytorch torchvision torchaudio cudatoolkit=12.1 -c pytorch -c nvidia
• 如网络慢，可用国内镜像加速（pip）：pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

三 常见依赖报错与快速修复

• ModuleNotFoundError: No module named ‘torch’：确认已激活正确的虚拟环境（which python、conda env list），在该环境内重新安装；避免系统 apt 与 pip 混装导致路径混乱（必要时 sudo apt remove python3-pytorch 后用 pip 安装）。
• 找不到共享库（如 GLIBCXX、libGL、libglib、ffmpeg 等）：安装系统依赖 sudo apt install -y libgl1 libglib2.0-0 ffmpeg；如报 GLIBCXX 版本低，检查 conda 环境的 libstdc++.so.6 是否过旧，必要时用系统库软链替换或更新环境。
• 版本不兼容或安装失败：核对 Python 版本在 3.8–3.11 范围；升级 pip；确保 PyTorch 与 CUDA/cuDNN 版本匹配（以 nvidia-smi 与 PyTorch 官网安装命令为准）。
• 权限或网络问题：避免使用 sudo pip（易破坏系统包）；使用虚拟环境；pip 安装加 -i 镜像源或更换网络重试。

四 版本匹配与验证

• 驱动与 CUDA：nvidia-smi 显示的 CUDA 为驱动支持的最高运行时版本；PyTorch 包自带的 CUDA 可能更低，这是正常的，只要 PyTorch 要求的 CUDA ≤ 驱动支持的版本即可。
• 安装后验证（在同一虚拟环境执行）：python - < < ‘PY’ import torch, sys, subprocess, os print(“Python:”, sys.version) print(“torch:”, torch.version, “torchvision:”, torchvision.version, “torchaudio:”, torchaudio.version) print(“torch cuda:”, torch.version.cuda, “cuda available:”, torch.cuda.is_available()) if torch.cuda.is_available(): print(“GPU:”, torch.cuda.get_device_name(0)) print(“cuDNN:”, torch.backends.cudnn.version()) PY
• 若 GPU 不可用：检查驱动是否加载（nvidia-smi）、是否误装了 CPU 版 PyTorch、CUDA 版本是否匹配；必要时按官网指引重装对应 CUDA 标签的 PyTorch 版本。

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！