ubuntu20.04安装pytorch 1.10

<think>好的，我现在需要帮助用户在Ubuntu 20.04上安装PyTorch 1.10和CUDA 11.4。首先，用户可能是在进行深度学习项目，需要特定版本的PyTorch和CUDA，可能是因为他们的代码或依赖库需要这个版本。我需要先确认安装步骤的正确性，以及可能遇到的常见问题。 首先，用户提到的CUDA 11.4，需要对应的NVIDIA驱动版本。根据之前的对话，驱动版本至少需要470以上。所以用户需要先检查驱动是否符合要求。如果驱动不够，可能需要升级。 接下来，安装CUDA 11.4。CUDA Toolkit的安装通常有两种方式：通过NVIDIA官网下载runfile，或者使用apt仓库。用户可能对这两种方法不太熟悉，需要详细说明步骤。另外，安装完成后需要设置环境变量，比如PATH和LD_LIBRARY_PATH，这一步容易被忽略，导致安装后无法找到CUDA。 然后是安装PyTorch 1.10。用户需要知道正确的pip或conda命令，因为直接使用pip install torch==1.10可能会安装错误版本，必须指定cu113或cu102等CUDA版本。根据PyTorch旧版本文档，1.10版本对应的CUDA 11.3可能是兼容的，但用户需要的是CUDA 11.4。这时候需要确认PyTorch 1.10是否有支持CUDA 11.4的预编译版本，或者是否需要从源码编译。如果官方没有提供，可能需要调整用户的期望，或者建议使用兼容的CUDA版本。 另外，用户可能会遇到的问题包括驱动不兼容、CUDA安装失败、环境变量未正确设置、PyTorch无法检测到GPU等。需要提前考虑这些情况，并在指南中加入验证步骤和故障排除方法。 可能还需要提醒用户，虽然CUDA 11.4是目标，但PyTorch官方预编译版本可能针对特定CUDA版本构建，比如cu113对应CUDA 11.3。这时候需要检查PyTorch 1.10的可用版本，可能需要用户安装CUDA 11.3，或者使用不同版本的PyTorch。如果存在版本不匹配，可能需要调整安装步骤，或者用户接受使用相近的CUDA版本。 总结步骤应该是：检查驱动→安装CUDA 11.4→配置环境变量→安装PyTorch 1.10→验证安装。如果步骤中有版本冲突，需要给出替代方案，比如安装PyTorch 1.10支持的其他CUDA版本，或者调整CUDA版本。 现在需要确认PyTorch 1.10的官方发布情况。查阅PyTorch旧版本页面，发现PyTorch 1.10.0支持CUDA 11.1和11.3，但没有官方提到11.4。因此，用户可能需要安装CUDA 11.3，或者使用conda安装可能会自动处理依赖，或者需要从源码编译PyTorch以支持CUDA 11.4。但编译源码对用户来说可能较复杂，所以可能建议用户使用CUDA 11.3，或者寻找是否有社区提供的二进制包。 所以，可能需要调整用户的请求，建议安装CUDA 11.3，并安装对应的PyTorch 1.10.0+cu113。或者如果用户必须使用CUDA 11.4，可能需要从源码编译PyTorch，但这样步骤更多，容易出错。 综上，正确的步骤可能是指导用户安装CUDA 11.3，并安装PyTorch 1.10.0+cu113，同时说明版本差异，并确保驱动兼容。或者在用户坚持使用CUDA 11.4的情况下，提供从源码编译PyTorch的方法，但需警告可能的问题。</think>--- ### **在Ubuntu 20.04上安装PyTorch 1.10 + CUDA 11.4 的完整指南** --- ### **1. 版本兼容性说明** - **PyTorch 1.10 官方预编译版本仅支持 CUDA 11.1 和 11.3**，无直接兼容 CUDA 11.4 的官方预编译包。 - 若需使用 **CUDA 11.4**，需通过源码编译 PyTorch（复杂，不推荐新手）。 - **推荐妥协方案**： - 安装 **CUDA 11.3**（兼容 PyTorch 1.10 官方预编译包） - 或 安装 **PyTorch 1.12**（官方支持 CUDA 11.6） --- ### **2. 推荐方案：安装 CUDA 11.3 + PyTorch 1.10** #### **步骤 1：检查并安装 NVIDIA 驱动** ```bash # 查看当前驱动版本（需 >= 470.xx） nvidia-smi # 若驱动版本不足，安装推荐驱动（Ubuntu 20.04） sudo ubuntu-drivers autoinstall sudo reboot ``` #### **步骤 2：安装 CUDA 11.3 Toolkit** ```bash # 下载 CUDA 11.3.1 安装包（兼容PyTorch 1.10） wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.run # 安装CUDA（选择不安装驱动！） sudo sh cuda_11.3.1_465.19.01_linux.run ``` - 安装时取消勾选 `Driver`，保留其他选项。 #### **步骤 3：配置环境变量** ```bash # 编辑 ~/.bashrc echo 'export PATH=/usr/local/cuda-11.3/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc # 验证CUDA安装 nvcc --version # 应显示 11.3 ``` #### **步骤 4：安装 PyTorch 1.10 (CUDA 11.3)** ```bash # 使用官方预编译包（对应CUDA 11.3） pip install torch==1.10.0+cu113 torchvision==0.11.1+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html ``` --- ### **3. 强制方案：源码编译 PyTorch 1.10 + CUDA 11.4（仅限高级用户）** #### **步骤 1：安装依赖** ```bash sudo apt install ninja-build git cmake g++ ``` #### **步骤 2：克隆 PyTorch 源码** ```bash git clone --branch v1.10.0 --recursive https://github.com/pytorch/pytorch cd pytorch ``` #### **步骤 3：配置编译选项** ```bash export USE_CUDA=1 export CUDA_HOME=/usr/local/cuda-11.4 # 假设CUDA 11.4已安装 export TORCH_CUDA_ARCH_LIST="7.5;8.0" # 根据GPU架构调整（如RTX 30系列需8.0+） ``` #### **步骤 4：编译安装** ```bash python setup.py install # 耗时约1-2小时 ``` --- ### **4. 验证安装** ```python import torch print(torch.__version__) # 应输出 1.10.0 print(torch.cuda.is_available()) # 应输出 True print(torch.version.cuda) # 应输出 11.3 或 11.4 ``` --- ### **5. 常见问题解决** #### **Q1：PyTorch无法识别CUDA 11.4** - 原因：PyTorch 1.10 官方未预编译支持 CUDA 11.4 - 方案：改用 CUDA 11.3 或升级到 PyTorch 1.12+ #### **Q2：编译时报错`nvcc not found`** - 修复：确保 `CUDA_HOME` 路径正确，且已安装 CUDA Toolkit ```bash export CUDA_HOME=/usr/local/cuda-11.4 ``` #### **Q3：GPU算力不兼容（如`Unsupported gpu architecture`）** - 修复：设置 `TORCH_CUDA_ARCH_LIST` 包含GPU算力版本 ```bash # 查看GPU算力（如NVIDIA A100为8.0） nvidia-smi --query-gpu=compute_cap --format=csv ``` --- ### **版本兼容性参考表** | 组件 | 推荐版本 | 最低要求 | |----------------|------------------|-------------------| | NVIDIA驱动 | 470.82.01+ | 450.80.02+ | | CUDA Toolkit | 11.3（官方兼容） | 11.1（最低支持） | | PyTorch | 1.10.0+cu113 | 1.10.0 | 建议优先选择 **PyTorch 1.10 + CUDA 11.3** 组合，稳定性最佳。若需强制使用 CUDA 11.4，建议升级到更高版本的 PyTorch（如 1.12+）。

### 安装准备 为了确保顺利安装CUDA和PyTorch，在Ubuntu 20.04上需先确认系统已更新至最新状态并安装必要的依赖包。建议的操作如下： ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential cmake git unzip pkg-config libopencv-dev ``` 上述命令会更新软件源列表，升级现有程序到最新版本，并安装编译工具链和其他可能需要的库文件。 ### Nvidia 驱动安装 对于GPU支持的需求，应优先考虑安装合适的NVIDIA驱动。由于Ubuntu 20.04自带的一些开源图形栈可能会与专有的NVIDIA驱动冲突，因此推荐移除这些默认驱动再继续操作[^3]。 ```bash sudo apt-get purge nvidia* reboot ``` 重启计算机之后，通过官方提供的.run文件来安装特定版本的NVIDIA驱动，这一步骤至关重要因为不同的CUDA版本对应不同范围内的驱动版本号。例如要安装适用于CUDA 11.x系列的驱动，则可以选择较新的稳定版如`nvidia-driver-470`或更高版本。 ### CUDA 安装 针对Ubuntu 20.04, 推荐安装CUDA 11.3配合Pytorch 1.10以获得最佳性能表现[^1]。可以通过下载本地deb (network) 文件的方式完成安装: 访问[NVIDIA官网](https://developer.nvidia.com/cuda-downloads)，选择Linux -> x86_64 -> Ubuntu -> 20.04 -> deb (network), 并按照提示执行以下指令序列： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda ``` 完成后记得设置环境变量以便于后续调用CUDA工具集中的组件。编辑~/.bashrc 或者 ~/.zshrc 文件加入下面两行： ```bash export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 使更改生效： ```bash source ~/.bashrc ``` 验证安装成功与否可以运行nvcc --version查看编译器版本信息。 ### CUDNN 安装 CUDNN作为深度神经网络加速库同样重要，其版本应当匹配所选的CUDA版本。前往[NVIDIA开发者页面](https://developer.nvidia.com/rdp/cudnn-archive)获取相应资源链接后解压放置于指定路径下即可。 假设已经下载好cudnn-linux-x86_64-v8.2.1.32_cuda11.3.tar.xz压缩包， ```bash tar -xzvf cudnn-linux-x86_64-v8.2.1.32_cuda11.3.tar.xz sudo cp cuda/include/* /usr/local/cuda-11.3/include/ sudo cp cuda/lib64/* /usr/local/cuda-11.3/lib64/ ``` 再次刷新shell session让新添加的内容可用。 ### PyTorch 安装 考虑到兼容性和稳定性因素，创建独立Python虚拟环境来进行PyTorch及相关依赖项的部署是一个明智的选择[^2]。这里采用miniconda/miniforge简化管理流程。 首先安装Miniforge： ```bash cd ~ curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Mambaforge-Linux-x86_64.sh" bash Mambaforge-Linux-x86_64.sh ``` 初始化mamba forge： ```bash ~/Mambaforge/bin/mamba init bash ``` 新建名为pytorch_env的环境并激活它： ```bash mamba create -n pytorch_env python=3.9 -y conda activate pytorch_env ``` 最后利用pip或者conda渠道安装PyTorch及其扩展模块，注意指明cuda版本参数以确保硬件加速功能正常运作。 ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` 至此整个过程结束，现在应该能够在Ubuntu 20.04平台上拥有一个完整的基于CUDA的支持PyTorch框架的数据科学计算平台了！