在 Debian 上安装 PyTorch 的常用教程与步骤
一 准备与版本选择
- 更新系统并安装基础工具：sudo apt update && sudo apt install -y python3 python3-pip build-essential。建议先确定是否需要 CPU 还是 GPU（CUDA） 版本，GPU 需提前准备兼容的 NVIDIA 驱动、CUDA、cuDNN。如需 GPU，先装驱动，再装 CUDA 与 cuDNN，并设置环境变量：export PATH=/usr/local/cuda/bin:$PATH 与 export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH。验证驱动与 CUDA：nvidia-smi、nvcc --version。若仅 CPU，可直接安装 CPU 版。
二 方法一 使用 pip 安装
- CPU 版（最简便，适合大多数场景）：pip3 install torch torchvision torchaudio。
- GPU 版（示例为 CUDA 11.7）：pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117。
- 其他 CUDA 版本：将 cu117 替换为你的 CUDA 版本（如 cu118 等），或访问 PyTorch 官网获取对应命令。
- 网络较慢可使用国内镜像（如清华源）：pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple。
- 安装完成后验证：python3 - <<‘PY’
import torch
print(“torch:”, torch.version)
print(“cuda:”, torch.cuda.is_available())
PY。
三 方法二 使用 Conda 安装
- 安装 Miniconda（略），创建并激活环境：conda create -n pytorch_env python=3.9 && conda activate pytorch_env。
- CPU 版：conda install pytorch torchvision torchaudio cpuonly -c pytorch。
- GPU 版（示例为 CUDA 11.8）：conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia。
- 验证：python -c “import torch; print(torch.version, torch.cuda.is_available())”。
四 方法三 从源码编译安装（适合进阶与定制）
- 安装依赖：sudo apt install -y git python3-dev，及常见数值/多媒体依赖（如 openblas、lapack、ffmpeg 等）。
- 克隆与构建：git clone --recursive https://github.com/pytorch/pytorch，cd pytorch。
- 仅 CPU 构建可设置：export NO_CUDA=1。
- 安装 Python 依赖与构建：pip install -r requirements.txt，python3 setup.py install；如需 torchvision：pip install torchvision。
- 验证：python3 -c “import torch; print(torch.version)”。
五 常见问题与排错要点
- 版本不匹配：确保 PyTorch 的 CUDA 版本 与系统 CUDA/cuDNN 一致；不确定时用 conda 的 cudatoolkit 或 pip 的官方 CUDA 通道。
- 网络问题：pip 安装慢可换 清华源；conda 可配置镜像通道。
- 驱动与库路径：GPU 版需正确安装 NVIDIA 驱动，并设置 PATH 与 LD_LIBRARY_PATH 指向 CUDA 的 bin 与 lib64。
- 验证命令：import torch; print(torch.version, torch.cuda.is_available())；若 GPU 返回 False，检查驱动、CUDA、cuDNN 与 PyTorch 版本匹配。
