Ubuntu上PyTorch依赖库怎么装

Ubuntu上安装PyTorch依赖库及PyTorch的完整步骤

1. 更新系统包列表

在安装任何依赖前，先更新Ubuntu的软件包列表，确保获取最新版本：

sudo apt update

2. 安装系统级依赖库

PyTorch的编译和运行需要一些基础系统库，用于线性代数计算、图像处理、编译工具等：

sudo apt install -y build-essential cmake git wget unzip yasm pkg-config \
    libopenblas-dev liblapack-dev libjpeg-dev libpng-dev libtiff-dev \
    libavcodec-dev libavformat-dev libswscale-dev python3-dev python3-pip

关键依赖说明：
- build-essential：包含gcc/g++等编译工具，用于编译PyTorch的C++扩展；
- libopenblas-dev/liblapack-dev：线性代数计算库，支持PyTorch的张量运算；
- libjpeg-dev/libpng-dev：图像编解码库，用于处理图像数据；
- python3-dev/python3-pip：Python开发工具和包管理器，用于安装PyTorch。

3. 安装Python环境（若未安装）

Ubuntu 20.04及以上版本默认安装Python3，但需确认pip是否可用：

python3 --version  # 检查Python3版本（需≥3.6）
pip3 --version     # 检查pip3版本（需≥20.0）

若未安装，可通过以下命令安装：

sudo apt install -y python3 python3-pip

4. 创建虚拟环境（推荐）

为避免项目依赖冲突，建议使用虚拟环境隔离PyTorch及其依赖：

# 使用venv创建虚拟环境（Python内置工具）
python3 -m venv pytorch_env
source pytorch_env/bin/activate  # 激活环境（激活后终端提示符会显示环境名）

# 或使用conda创建虚拟环境（需提前安装conda，如Miniconda）
# conda create -n pytorch_env python=3.8
# conda activate pytorch_env

提示：虚拟环境激活后，后续所有安装命令均在环境内执行，卸载时只需删除环境目录即可。

5. 安装PyTorch依赖库（核心步骤）

PyTorch的Python依赖主要包括torch（核心框架）、torchvision（图像处理扩展）、torchaudio（音频处理扩展）。根据是否使用GPU加速，选择以下安装方式：

① CPU版本（无GPU加速）

直接通过pip安装PyTorch的CPU版本，无需额外配置：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

② GPU版本（需NVIDIA显卡+CUDA）

若使用GPU加速，需安装对应CUDA版本的PyTorch（以CUDA 11.7为例）：

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

注意：

需提前安装NVIDIA显卡驱动（版本≥CUDA Toolkit版本要求，如CUDA 11.7需驱动≥515.65.01）；

可选安装CUDA Toolkit（通过conda install cudatoolkit=11.7 -c pytorch或官网下载.run文件安装），但pip安装PyTorch时会自动匹配兼容的CUDA库。

6. 验证PyTorch安装

安装完成后，通过Python代码验证PyTorch是否正常工作及GPU是否可用：

import torch
print("PyTorch版本:", torch.__version__)  # 输出版本号（如2.1.0）
print("CUDA可用性:", torch.cuda.is_available())  # GPU版本应返回True，CPU版本返回False

若输出版本号且CUDA可用性为True，则说明安装成功。

7. 安装其他常用依赖库（可选）

根据项目需求，可安装NumPy（数值计算）、Matplotlib（数据可视化）、Scikit-learn（机器学习）等库：

pip3 install numpy pandas matplotlib scikit-learn

常见问题解决

问题1：安装速度慢：使用国内镜像源（如清华源）加速，例如：

pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

问题2：CUDA版本不兼容：参考PyTorch官网的CUDA版本支持表，选择对应的PyTorch版本和CUDA Toolkit版本。
问题3：虚拟环境无法激活：检查venv模块是否安装（sudo apt install python3-venv），或conda环境是否初始化（conda init bash）。

通过以上步骤，即可在Ubuntu上完成PyTorch及其依赖库的安装，并根据需求选择CPU或GPU版本。安装过程中如遇问题，建议参考PyTorch官方文档或社区论坛获取最新支持。