linux cuda12.0 pytorchan按扎ung
时间: 2025-02-05 13:05:56 浏览: 57
### 安装CUDA 12.0并配置PyTorch
#### 确认系统环境
对于Ubuntu 18.04这样的Linux发行版,在准备安装CUDA 12.0前,确认当前系统的NVIDIA驱动版本能够支持此版本的CUDA是非常重要的。由于部分硬件可能仅能支持至特定版本的CUDA,比如某些设备最高只支持到11.7[^2]。
#### 更新包列表与安装依赖项
为了确保后续安装过程顺利无阻,建议先更新本地软件仓库缓存,并安装一些必要的工具和库:
```bash
sudo apt update && sudo apt upgrade -essential cmake git unzip ninja-build -y
```
#### 卸载旧版本CUDA(如有)
如果有先前版本的CUDA存在,则应先行卸载以免造成冲突:
```bash
sudo apt-get purge cuda*
sudo rm -rf /usr/local/cuda*
```
#### 添加NVIDIA官方源并安装CUDA Toolkit 12.0
通过添加NVIDIA维护的APT存储库来获取最新稳定发布的CUDA工具集是最推荐的方式之一。具体操作如下所示:
```bash
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/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-12-0
```
完成上述步骤之后,记得设置环境变量以便于命令行可以直接调用nvcc编译器等组件:
```bash
echo 'export PATH=/usr/local/cuda-12.0/bin${PATH:+:${PATH}}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc
source ~/.bashrc
```
验证安装成功与否可以通过`nvcc --version`查看已安装的CUDA版本信息。
#### 使用Conda安装匹配CUDA版本的PyTorch及相关库
考虑到兼容性和便捷性,这里采用Anaconda/Miniconda作为Python虚拟环境管理工具,并利用其内置渠道快速部署适合指定CUDA版本的PyTorch及其配套模块:
```bash
conda create -n torch_env python=3.9 -y
conda activate torch_env
conda install pytorch torchvision torchaudio pytorch-cuda=12.0 -c pytorch -c nvidia -y
```
以上命令创建了一个名为`torch_env`的新环境,并在其内部安装了针对CUDA 12.0优化过的PyTorch、torchvision以及torchaudio三个主要组成部分[^3]。
最后可通过编写简单的测试脚本来检验GPU加速功能是否正常工作:
```python
import torch
if __name__ == "__main__":
device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using {device} device.")
model = torch.nn.Linear(10, 5).to(device)
input_tensor = torch.randn((1, 10)).to(device)
output_tensor = model(input_tensor)
print(output_tensor)
```
这段代码会尝试检测是否有可用的CUDA GPU资源;若有则构建一个线性变换层并将数据传输过去处理后再输出结果。
阅读全文
相关推荐


















