Ubuntu 上 PyTorch 的依赖项与安装要点
一 核心依赖项
- 运行环境与工具
- Python ≥ 3.6
- pip（Python 包管理）
- 建议使用 venv/虚拟环境 隔离依赖
- 系统构建与多媒体基础库
- 构建工具：build-essential cmake git wget unzip yasm pkg-config
- 数值库：libopenblas-dev liblapack-dev
- 图像处理：libjpeg-dev libpng-dev
- GPU 相关（可选，用于 CUDA 加速）
- NVIDIA 驱动
- CUDA Toolkit
- cuDNN（与 CUDA 版本匹配）
二 不同安装方式的依赖差异
- pip 预编译二进制（常见）
- 仅需系统级基础库（如 build-essential、OpenBLAS/LAPACK、libjpeg/libpng）与 Python/pip；无需本机 CUDA 开发工具链，适合大多数用户。
- 源码编译
- 需完整的构建链（如 build-essential、cmake 等）与更完整的系统依赖；适合需要自定义或开发 PyTorch 的场景。
三 版本兼容与验证
- 版本匹配
- CUDA 与 cuDNN 的版本需与所选 PyTorch 版本匹配；同时 NVIDIA 驱动 需与 CUDA 兼容。
- 环境验证
- 安装后执行以下命令进行验证：
- 查看 PyTorch 版本与 CUDA 可用性：
- python -c “import torch; print(torch.version); print(torch.cuda.is_available())”
- 查看已安装的 CUDA 运行时版本（若使用 GPU）：
- python -c “import torch; print(torch.version.cuda)”
