PyTorch在Linux上的安装教程有哪些

Linux上安装PyTorch的主流教程与步骤

一 安装前准备

• 确认 Python 与 pip 可用：运行 python --version 或 python3 --version、pip --version；若未安装，Debian/Ubuntu 可执行 sudo apt-get update && sudo apt-get install python3 python3-pip，CentOS/RHEL 可执行 sudo yum install python3 python3-pip。为编译相关依赖，建议安装构建工具（如 build-essential / Development Tools）与 python3-dev。如使用 GPU，需准备 NVIDIA 显卡驱动 与 CUDA/cuDNN，或直接使用 PyTorch 官方预编译包以简化驱动匹配。

二 使用 pip 安装

• CPU 版本：执行 pip3 install torch torchvision torchaudio（按需精简为仅安装 torch）。
• GPU 版本（CUDA 11.8 示例）：执行 pip3 install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu118/torch_stable.html。
• 指定版本：如 pip install torch==1.9.0 torchvision==0.10.0，注意 torch 与 torchvision 版本需匹配。
• 验证安装：运行 python -c "import torch; print(torch.__version__)"，如需 GPU 加速再执行 python -c "import torch; print(torch.cuda.is_available())"。

三 使用 Conda 安装

• 创建并激活虚拟环境（推荐）：conda create --name pytorch_env python=3.8 后 conda activate pytorch_env。
• CPU 版本：conda install pytorch torchvision torchaudio cpuonly -c pytorch。
• GPU 版本（CUDA 11.8 示例）：conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia。
• 验证方式与 pip 相同，使用 torch.__version__ 与 torch.cuda.is_available()。

四 常见问题与加速

• 网络慢或超时：使用国内镜像源（如清华源）加速 pip，例如 pip3 install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple；GPU 安装也可优先选择官方 CUDA 通道的预编译包链接。
• CUDA 不匹配：先确认 驱动/CUDA 版本与所选 PyTorch 版本兼容，必要时更换为对应的 cu118/cu121 等预编译通道。
• 依赖缺失：编译或多媒体相关功能建议提前安装 build-essential/cmake 与 libjpeg/libpng/ffmpeg 等系统依赖。
• 内存不足：在安装阶段关闭不必要程序或增加 swap 空间。