ubantu 安装pytorch

### 如何在 Ubuntu 上安装 PyTorch #### 使用 Pip 安装 PyTorch 可以通过官方推荐的方式使用 `pip` 工具来安装 PyTorch。以下是具体方法： 1. 打开终端并更新系统的包管理器索引： ```bash sudo apt-get update ``` 2. 如果尚未安装 Python 或 `pip`，可以执行以下命令进行安装： ```bash sudo apt-get install python3-pip ``` 3. 访问 [PyTorch官网](https://pytorch.org/get-started/locally/) 并根据系统配置生成适合的安装命令。例如，在不支持 CUDA 的环境中，可运行如下命令： ```bash pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu ``` 对于支持 CUDA 的环境，则需指定对应的 CUDA 版本号[^1]。 #### 使用 Anaconda 安装 PyTorch Anaconda 是一种流行的科学计算工具，能够简化依赖项管理和虚拟环境创建过程。以下是通过 Anaconda 安装 PyTorch 的步骤： 1. 下载并安装最新版本的 Anaconda（或 Miniconda）。可以从 [Anaconda官方网站](https://www.anaconda.com/products/distribution) 获取安装脚本。 2. 创建一个新的 Conda 虚拟环境（可根据需求调整 Python 版本）： ```bash conda create -n pytorch_env python=3.9 ``` 3. 激活该虚拟环境： ```bash conda activate pytorch_env ``` 4. 在激活后的环境下，按照 PyTorch 官网提示输入相应的安装命令。对于 CPU-only 配置，可以运行： ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 若需要 GPU 支持，则替换为带有 CUDA 参数的命令[^4]。 #### 安装 CUDA 及相关驱动程序 如果计划利用 NVIDIA 显卡加速训练模型，还需要额外安装 CUDA Toolkit 和 cuDNN 库。以 Ubuntu 22.04 LTS 为例，操作流程如下： 1. 添加 NVIDIA 的官方 APT 存储库密钥和地址： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb sudo dpkg -i cuda-keyring_1.1-1_all.deb ``` 2. 更新软件列表并将 CUDA 添加到路径变量中： ```bash sudo apt-get update && sudo apt-get upgrade export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 3. 开始正式安装 CUDA 套件： ```bash sudo apt-get -y install cuda ``` 完成以上步骤之后重启计算机使更改生效，并验证是否成功加载显卡驱动以及初始化设备状态[^3]。 #### 测试安装情况 无论采用哪种方式部署完毕后都建议编写一段简单的测试代码确认一切正常工作。比如下面这个例子用于打印当前使用的张量类型及其所在位置： ```python import torch print(f"Is CUDA available? {torch.cuda.is_available()}") if torch.cuda.is_available(): device = 'cuda' else: device = 'cpu' tensor_example = torch.rand(3, 3).to(device) print(tensor_example) ```