linux pytorch cuda cudnn
时间: 2025-04-29 16:50:33 浏览: 25
### 安装和配置 PyTorch 使用 CUDA 和 CuDNN
#### 准备工作
为了使 PyTorch 能够利用 GPU 加速计算,需要先安装合适的 CUDA 版本以及相应的 cuDNN 库。确保 Linux 系统已经正确设置了驱动程序支持 Nvidia 显卡。
#### 安装 CUDA
可以通过官方文档或者通过 apt-get 来安装 CUDA 工具包。对于 Ubuntu 用户来说,推荐的方法是从 Nvidia 的 PPA 获取最新版本:
```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
```
完成上述操作之后重启计算机以加载新的内核模块[^1]。
#### 安装 cuDNN
下载适用于所选 CUDA 版本的 cuDNN 文件,并按照说明进行解压到指定路径下。也可以直接使用 `.deb` 包形式来简化这一过程:
```bash
sudo dpkg -i libcudnn8_*.deb
sudo dpkg -i libcudnn8-dev_*.deb
```
这会自动处理依赖关系并将库文件放置于适当位置[^3]。
#### 配置环境变量
编辑 `~/.bashrc` 或者其他 shell 初始化脚本来添加必要的环境变量指向新安装好的工具链:
```bash
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
source ~/.bashrc
```
验证设置是否成功可以运行 nvidia-smi 命令查看显卡状态;另外还可以测试 nvcc 编译器能否正常编译简单的 hello world 例子。
#### 安装 PyTorch
最后一步就是选择适合当前系统的预构建二进制包来进行 PyTorch 的安装。建议采用 conda 方式管理虚拟环境中 Python 解释器及其扩展库:
```bash
conda create --name torch_env python=3.9
conda activate torch_env
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
```
以上命令将会拉取与之前安装过的 CUDA 版本兼容的最佳组合方案[^4]。
#### 测试 PyTorch 是否能够检测到 GPU
创建一个新的 Python 文件 test_cuda.py 并输入如下代码片段用于确认一切准备就绪:
```python
import torch
print(f'CUDA Available: {torch.cuda.is_available()}')
if torch.cuda.is_available():
print('Current Device:', torch.cuda.current_device())
print('Device Name:', torch.cuda.get_device_name(0))
else:
print("No available GPUs.")
```
执行该脚本应该返回 True 表明存在可用设备并且能识别具体型号名称。
阅读全文
相关推荐


















