Linux系统如何选择PyTorch版本

Linux下选择PyTorch版本的步骤

一 决策顺序与优先级

• 明确硬件与驱动：是否有 NVIDIA GPU，以及驱动是否到位。先用命令查看驱动与设备信息：nvidia-smi（右上角显示的 CUDA Version 是驱动支持的最高 CUDA 运行时版本，不是实际安装的 Toolkit 版本）。
• 确定 Python 版本：建议使用 Python 3.8–3.11（当前主流 PyTorch 版本普遍支持），用 python --version 或 python3 --version 查看。
• 选择 PyTorch 发布线：一般优先选择 稳定版（Stable）；如需新特性或修复，再考虑 预发布版（Nightly）。
• 选择 CUDA 变体：有 GPU 时，在 CPU-only / cu118 / cu121 / cu124 等变体中选择与驱动和项目依赖匹配的版本；无 GPU 直接选 CPU-only。
• 保持生态一致：让 PyTorch、torchvision、torchaudio 的版本匹配（同一发布周期/小版本对齐），避免 API 或底层库不兼容。

二 版本匹配规则与常见组合

• 驱动先行：只要 nvidia-smi 显示的驱动支持，即可运行相同或更低 CUDA 运行时 的 PyTorch（例如驱动支持 12.4，则可运行 cu121/cu118 等构建）。
• 理解两个“CUDA 版本”：
  • nvidia-smi 的 CUDA Version：驱动支持上限；
  • torch.version.cuda：PyTorch 二进制实际链接的 CUDA 运行时。两者不必完全相同，但需满足驱动 ≥ PyTorch 运行时的要求。
• 典型可用组合（示例）：
  • 驱动支持 12.x：优先选 cu121 或 cu124 构建；
  • 驱动支持 11.8：选 cu118 构建；
  • 无 GPU 或仅做 CPU 推理：选 CPU-only。
• 常见报错与原因：
  • CUDA error: no kernel image is available for execution on the device：多由 PyTorch 构建的 CUDA 架构/算力 与 GPU 不匹配，或 CUDA/驱动不兼容；
  • torch.cuda.is_available() 为 False：可能装了 CPU 版、驱动/CUDA 不匹配、环境变量异常等。

三 安装与验证命令模板

• 准备环境（建议虚拟环境）：
  • conda：conda create -n torch_env python=3.10 -y && conda activate torch_env
  • venv：python3 -m venv venv && source venv/bin/activate
• CPU-only（pip）：pip install torch torchvision torchaudio
• GPU（pip，按驱动支持的 CUDA 选择其一）：
  • cu121：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
  • cu118：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
• GPU（conda，新通道）：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
• 验证安装：
  • python -c "import torch; print('torch:', torch.__version__, 'cuda:', torch.version.cuda, 'avail:', torch.cuda.is_available())"
  • nvidia-smi（核对驱动与设备）
  • 如需查看系统 Toolkit：nvcc --version（若未安装 Toolkit，可忽略）

四 场景化推荐

• 新项目、NVIDIA 显卡、驱动较新（支持 12.x）：优先选 cu121 或 cu124 的稳定版，兼顾生态与性能。
• 生产环境、稳定性优先：选 稳定版 且与 torchvision/torchaudio 对齐的小版本；驱动支持 11.8 时选 cu118 更稳妥。
• 无 GPU 或 CI 测试：选 CPU-only，减少依赖与不确定性。
• 老旧 GPU（如仅支持 CUDA 10.x/11.x 的老卡）：选择与之匹配的旧版 PyTorch 构建，或考虑升级驱动/硬件；若无法升级，优先 CPU 或迁移到受支持设备。

五 常见问题与快速排查

• torch.cuda.is_available() 为 False：
  • 确认安装了 GPU 版 而非 CPU 版；
  • 核对 nvidia-smi 与 torch.version.cuda 的兼容性；
  • 检查环境变量（PATH/LD_LIBRARY_PATH）是否指向正确的驱动/库；
  • 必要时重装匹配 CUDA 的 PyTorch 版本。
• no kernel image is available：
  • 多为 PyTorch 构建未覆盖你的 GPU 计算能力（SM） 或 CUDA 不匹配；
  • 升级到支持你 GPU 的 PyTorch 构建或更新驱动；
  • 确认 nvidia-smi 与 torch.version.cuda 的对应关系。
• 版本不一致导致 API/底层报错：
  • 对齐 PyTorch、torchvision、torchaudio 的版本；
  • 在虚拟环境中隔离依赖，避免系统包冲突。