ubuntu22.04系统pytorch

### 安装和配置 PyTorch 的方法 要在 Ubuntu 22.04 系统上成功安装和配置 PyTorch，可以按照以下方式操作： #### 1. 显卡驱动程序的安装 为了使 GPU 能够支持 PyTorch 运行，需要先确认已正确安装 NVIDIA 驱动程序。如果尚未完成此步骤，则需通过官方文档或其他可靠资源来完成显卡驱动的安装[^1]。 #### 2. 使用 pip 或 conda 安装 PyTorch PyTorch 提供了多种安装选项，具体取决于用户的环境需求以及硬件条件（CPU/GPU）。以下是两种常见的安装方法： ##### 方法一：基于 `pip` 的安装 访问 [PyTorch官方网站](https://pytorch.org/get-started/locally/) 并根据系统的架构、CUDA 版本以及其他依赖项选择适合的命令执行安装。例如，在具备 CUDA 支持的情况下可运行如下命令： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 ``` 对于仅使用 CPU 的场景，可以选择不带 CUDA 加速的版本： ```bash pip install torch torchvision torchaudio ``` ##### 方法二：基于 Conda 的安装 Conda 是另一种流行的包管理工具，尤其适用于 Anaconda 用户群体。推荐采用以下指令实现带有特定 CUDA 版本的支持： ```bash conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia ``` 上述命令会自动处理所有必要的依赖关系，并确保兼容性良好[^2]。 #### 3. 设置环境变量 (针对手动编译或特殊情况下) 某些高级用户可能倾向于自定义路径或者验证现有设置是否正确无误。此时可以通过修改 `.bashrc` 文件加入相应的环境变量声明： ```bash export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64:$LD_LIBRARY_PATH export CUDA_HOME=/usr/local/cuda/bin export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME ``` 保存更改后记得重新加载该文件以生效这些改动： ```bash source ~/.bashrc ``` 以上过程有助于保障系统能够识别到所安装的 CUDA 工具链及其关联库位置[^3]。 #### 测试安装成果 最后一步非常重要——即验证当前环境中 PyTorch 是否正常工作。打开 Python 解释器尝试导入模块并打印设备详情： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 理想状态下应该返回 True 表明存在可用的 GPU 设备；否则可能是某个环节出了差错需要回溯排查原因。 ---