温馨提示×

PyTorch Linux版如何安装CUDA

小樊
71
2025-07-15 18:17:52
栏目: 智能运维

在Linux系统上安装PyTorch与CUDA的步骤如下:

1. 检查系统要求

首先,确保你的Linux系统满足PyTorch的系统要求。PyTorch支持的CUDA最低版本为18.04,因此建议使用Ubuntu 18.04或更高版本。

2. 安装NVIDIA显卡驱动

在终端中运行以下命令检查NVIDIA显卡驱动是否已安装:

nvidia-smi

如果显示CUDA版本信息,说明驱动已安装。如果没有安装,请访问NVIDIA官网下载并安装与你的显卡型号相匹配的驱动程序。

3. 下载并安装CUDA Toolkit

访问NVIDIA CUDA Toolkit Archive,选择与你的显卡驱动版本相适应的CUDA版本。以下是一个示例,假设我们需要安装CUDA 11.7:

  1. 下载CUDA安装包:
wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda_11.7.1_515.65.01_linux.run
  1. 给予执行权限并运行安装程序:
chmod +x cuda_11.7.1_515.65.01_linux.run
./cuda_11.7.1_515.65.01_linux.run

在安装过程中,按提示操作,注意选择自定义安装路径,并取消选择“Install CUDA driver”选项,以避免覆盖显卡驱动。

  1. 安装完成后,配置环境变量。编辑~/.bashrc文件,添加以下行:
export PATH=/usr/local/cuda-11.7/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH

保存并关闭文件,然后运行以下命令使环境变量生效:

source ~/.bashrc
  1. 验证CUDA安装是否成功,运行:
nvcc -V

4. 安装cuDNN

访问NVIDIA cuDNN官方网站,下载与你的CUDA版本兼容的cuDNN库。以下是一个示例,假设我们需要安装cuDNN 8.5(对应CUDA 11.7):

  1. 下载cuDNN安装包:
wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/libcudnn8_8.5.0.50-1+cudnn8.5.0-1+cuda11.7_amd64.deb
  1. 安装cuDNN:
sudo dpkg -i libcudnn8_8.5.0.50-1+cudnn8.5.0-1+cuda11.7_amd64.deb
  1. 配置环境变量。将cuDNN库的头文件和动态链接库路径添加到~/.bashrc文件中:
echo 'export PATH=/usr/lib/x86_64-linux-gnu:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

5. 安装PyTorch

在安装PyTorch之前,建议创建一个conda虚拟环境以隔离项目依赖:

conda create -n pytorch_env python=3.9
conda activate pytorch_env

根据你的CUDA版本,从PyTorch官网获取相应的安装命令。以下是一个示例,假设我们需要安装PyTorch 2.0.1(对应CUDA 11.7):

使用conda安装

conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch

使用pip安装

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

6. 验证安装

在Python解释器中运行以下代码,检查PyTorch是否能够检测到CUDA:

import torch
print(torch.__version__)
print(torch.cuda.is_available())

如果输出为True,则表示PyTorch和CUDA适配成功。

通过以上步骤,你可以在Linux系统中成功安装PyTorch与CUDA,从而利用GPU加速深度学习模型的训练和推理。如果在安装过程中遇到问题,可以参考PyTorch官方文档或相关社区论坛寻求帮助。

0