Ubuntu上PyTorch有哪些教程

Ubuntu上PyTorch教程汇总：从环境配置到实战应用

一、基础环境配置教程

1. 系统准备与依赖安装

在Ubuntu上安装PyTorch前，需先完成系统更新及基础依赖配置。首先通过sudo apt update && sudo apt upgrade -y更新系统包；接着安装Python3、pip及构建工具（如build-essential、cmake），确保系统具备编译和运行PyTorch的能力；若需使用GPU加速，还需安装NVIDIA驱动、CUDA Toolkit（如11.8版本）及cuDNN库（如8.6版本），并配置环境变量（如PATH、LD_LIBRARY_PATH）以识别GPU设备。

2. 虚拟环境创建（推荐）

为避免项目依赖冲突，建议使用虚拟环境隔离PyTorch及相关库。可通过以下命令创建并激活虚拟环境：

使用venv模块：python3 -m venv pytorch_env（创建环境），source pytorch_env/bin/activate（激活环境）；
使用conda（若已安装Anaconda/Miniconda）：conda create -n pytorch_env python=3.8，conda activate pytorch_env。

二、PyTorch安装教程

1. 使用pip安装（最常用）

pip是Python官方包管理器，适用于大多数Ubuntu用户。根据是否需要GPU加速，选择以下命令：

CPU版本（无GPU支持）：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu；
GPU版本（需匹配CUDA版本，如11.7）：pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117。

2. 使用conda安装（适合Anaconda用户）

conda是开源包与环境管理工具，安装过程更简洁。命令如下：

CPU版本：conda install pytorch torchvision torchaudio cpuonly -c pytorch；
GPU版本（如CUDA 11.8）：conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch。

3. 安装验证

安装完成后，通过以下Python代码验证PyTorch是否成功安装：

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())  # 若为True，说明GPU支持正常

若输出版本号且torch.cuda.is_available()返回True（GPU版本），则安装成功。

三、进阶应用教程

1. 深度学习模型训练案例（以CIFAR-10图像分类为例）

安装完成后，可通过经典案例熟悉PyTorch的使用流程。以下是使用卷积神经网络（CNN）训练CIFAR-10数据集的步骤：

数据预处理：使用torchvision.transforms对图像进行归一化（transforms.Normalize）和转换为张量（transforms.ToTensor）；
加载数据集：通过torchvision.datasets.CIFAR10下载数据集，并使用DataLoader批量加载（batch_size=4）；
定义模型：创建继承自torch.nn.Module的CNN类（包含卷积层、池化层、全连接层）；
训练流程：定义交叉熵损失函数（CrossEntropyLoss）和SGD优化器（optim.SGD），通过循环迭代数据集，完成前向传播、损失计算、反向传播及参数更新。

2. Jupyter Notebook集成（可选）

若偏好交互式编程，可安装Jupyter Notebook：pip3 install notebook，然后通过jupyter notebook命令启动。在Notebook中创建Python单元格，直接编写和运行PyTorch代码，适合快速原型开发。

四、注意事项

CUDA版本匹配：安装GPU版本PyTorch时，需确保CUDA Toolkit版本与PyTorch要求的版本一致（如PyTorch 2.1.0支持CUDA 11.8）；
驱动更新：安装CUDA前，建议通过ubuntu-drivers devices命令查看NVIDIA驱动推荐版本，并升级至最新稳定版；
依赖兼容性：安装PyTorch前，确保系统Python版本≥3.6（推荐3.8及以上），避免兼容性问题。