ubuntu离线安装pytorch cuda cudann
时间: 2025-04-18 17:45:15 浏览: 24
### Ubuntu 系统离线安装 PyTorch 及其依赖 CUDA 和 cuDNN 教程
#### 准备工作
为了成功完成 PyTorch 的离线安装,需提前准备好相应的软件包。这包括 Python 解释器、Conda 或者虚拟环境工具以及特定版本的 PyTorch 软件包文件。
#### 版本匹配
选择合适的 PyTorch 版本至关重要,因为不同的 PyTorch 发布版支持不同版本的 CUDA 和 cuDNN。对于给定的 CUDA 11.6 和 Python 3.10 组合,应挑选兼容此配置的最新稳定版 PyTorch[^1]。
#### 创建 Conda 环境
建议通过 Miniconda 来管理 Python 环境,这样可以更方便地处理各种库之间的依赖关系。创建一个新的 Conda 环境用于隔离项目所需的全部组件:
```bash
conda create -n pytorch_env python=3.10
conda activate pytorch_env
```
#### 获取离线安装包
访问官方资源镜像站点或其他可信源下载适用于目标系统的预编译二进制文件。确保获取的是针对 Linux 平台且与所选 CUDA/cuDNN 版本相适应的 `.tar.bz2` 文件或 wheel 包形式的 PyTorch 安装程序[^4]。
#### 执行离线安装过程
一旦获得了必要的 tarball 或 whl 文件,在没有网络连接的情况下可以通过如下命令来进行本地化部署:
对于 tarball 格式的 PyTorch 包:
```bash
conda install --offline /path/to/pytorch-<version>-py3.<major>.<minor>_cuda<cuda_version>_cudnn<build_number>.tar.bz2
```
如果是 wheel 格式的 PyTorch 包,则采用 pip 工具来执行安装操作:
```bash
pip install --no-index --find-links=/path/to/wheel/files torch-<version>+cu<cuda_version>-cp<major><minor>-none-linux_x86_64.whl
```
这里需要注意替换 `<version>`、`<cuda_version>`、`<major>`、`<minor>` 和 `</path/to/>` 占位符为实际值。
#### 验证安装成果
最后一步是对新设置好的环境中 PyTorch 是否能够正常调用 GPU 进行测试。运行一段简单的代码片段以确认一切按预期运作良好:
```python
import torch
print(torch.cuda.is_available())
print(torch.__version__)
```
如果输出显示 True 表明已经成功启用了 CUDA 支持;同时也会打印出当前使用的 PyTorch 库的具体版本号。
阅读全文
相关推荐

















