Ubuntu下如何配置PyTorch环境

Ubuntu下配置PyTorch环境

一 准备与版本选择

• 更新系统并安装基础工具：sudo apt update & & sudo apt upgrade -y & & sudo apt install -y python3 python3-pip build-essential
• 选择环境工具：优先使用虚拟环境隔离依赖，常见为 venv/ virtualenv 或 conda/Miniconda
• 选择安装方式：GPU 场景建议用 conda（自带 cudatoolkit，依赖更可控）；CPU 或容器化场景常用 pip
• 版本匹配关键点：
  • 查看驱动与 CUDA 运行时：nvidia-smi（右上显示 Supported/Runtime CUDA）
  • 查看本地 CUDA Toolkit：nvcc --version（若未安装 Toolkit，可仅用 conda 的 cudatoolkit）
  • Python 建议使用 3.8–3.11（与多数 PyTorch 版本兼容）
  • 版本选择原则：PyTorch 版本需与 CUDA 版本匹配；不确定时，用 conda 指定 cudatoolkit 版本更稳妥

二 安装与配置步骤

• 方案A Conda（推荐，GPU 更省心）
  1. 安装 Miniconda：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh & & bash Miniconda3-latest-Linux-x86_64.sh & & source ~/.bashrc
  2. 创建环境：conda create -n pytorch_env python=3.10 -y & & conda activate pytorch_env
  3. 安装 PyTorch（按 CUDA 选择其一）：
     • CPU：conda install pytorch torchvision torchaudio cpuonly -c pytorch
     • CUDA 11.8：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
     • CUDA 12.1：conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
• 方案B venv + pip（轻量通用）
  1. 创建并激活：python3 -m venv ~/venvs/pt & & source ~/venvs/pt/bin/activate
  2. 升级 pip：pip install -U pip
  3. 安装 PyTorch（按 CUDA 选择其一）：
     • CPU：pip install torch torchvision torchaudio
     • CUDA 11.x（示例 11.8）：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
     • 历史版本可用 cu111/cu113 等 whl 索引；如需精确版本，见 PyTorch 官方“Get Started”页生成命令
• 可选 系统级 CUDA/cuDNN（仅在需要系统级开发或特殊驱动时使用）
  • 驱动：sudo ubuntu-drivers autoinstall 或 sudo apt install nvidia-driver-
  • CUDA：从 NVIDIA 下载 run 包安装，并在 ~/.bashrc 设置 PATH/LD_LIBRARY_PATH
  • cuDNN：按版本解压并复制到 /usr/local/cuda 对应目录，设置权限

三 验证安装

• 基础版本与设备检查：
  • python - < < ‘PY’ import torch, torchvision, torchaudio print(“torch:”, torch.version, “torchvision:”, torchvision.version, “torchaudio:”, torchaudio.version) print(“cuda available:”, torch.cuda.is_available()) if torch.cuda.is_available(): print(“device count:”, torch.cuda.device_count()) print(“current device:”, torch.cuda.current_device()) print(“device name:”, torch.cuda.get_device_name()) PY
• 预期：输出版本号，且 cuda available 为 True（GPU 环境）；CPU 环境为 False

四 常见问题与排错

• 驱动与 CUDA 不匹配
  • 现象：nvidia-smi 显示的 CUDA 与 nvcc 不一致，或 torch.cuda.is_available() 为 False
  • 处理：优先用 conda 安装匹配版本的 cudatoolkit；或在系统安装与 PyTorch 兼容的驱动与 CUDA Toolkit
• 虚拟环境未激活
  • 现象：python/pip 指向系统解释器，包安装到全局
  • 处理：conda activate 或 source /bin/activate 后再安装/运行
• 权限与缓存问题
  • 现象：PermissionError 或安装缓慢
  • 处理：避免使用 sudo pip；必要时用 pip install --user；升级 pip 并清理缓存 pip cache purge
• 需要特定版本
  • 处理：在 PyTorch 官方“Get Started”页面选择系统/包管理/Python/CUDA 组合，复制生成的安装命令执行

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！