如何配置Linux环境运行PyTorch

一、前置准备：系统更新与基础依赖安装

在配置PyTorch前，需确保Linux系统为最新状态，并安装PyTorch运行所需的系统库和工具。以Ubuntu/Debian为例，执行以下命令：

sudo apt update && sudo apt upgrade -y  # 更新系统包
sudo apt install -y build-essential cmake git wget unzip yasm pkg-config \
    libopenblas-dev liblapack-dev libjpeg-dev libpng-dev  # 安装编译工具与基础依赖

这些依赖用于后续可能的PyTorch源码编译（若选择此方式）及线性代数、图像处理等功能支持。

二、安装Python与pip

PyTorch需Python 3.6及以上版本支持，推荐使用系统自带的Python 3或通过apt安装：

sudo apt install -y python3 python3-pip  # 安装Python3及pip
python3 --version  # 验证Python版本（需≥3.6）
pip3 --version  # 验证pip版本（需≥21.0）

若需升级pip至最新版，可执行：

pip3 install --upgrade pip

三、创建虚拟环境（可选但推荐）

虚拟环境可隔离项目依赖，避免不同项目间的库版本冲突。推荐使用Python内置的venv模块：

python3 -m venv pytorch_env  # 创建名为pytorch_env的虚拟环境
source pytorch_env/bin/activate  # 激活虚拟环境（激活后终端提示符会显示环境名）

激活后，所有后续安装的包将仅存在于该环境中。

四、安装PyTorch：选择pip或conda方式

1. pip安装（通用性强，适合大多数用户）

PyTorch官网提供针对不同系统、Python版本和CUDA版本的预编译二进制包，需根据自身硬件配置选择安装命令：

CPU版本（无GPU加速）：

pip install torch torchvision torchaudio

GPU版本（需NVIDIA GPU+CUDA支持）：
例如，安装支持CUDA 11.7的版本（需提前安装对应CUDA驱动）：
```
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
```
注：CUDA版本需与GPU驱动兼容，可通过nvidia-smi命令查看驱动支持的CUDA版本。

2. conda安装（适合Anaconda/Miniconda用户）

若已安装Miniconda/Anaconda，可通过conda快速安装PyTorch（conda会自动处理依赖）：

CPU版本：

conda create -n pytorch_env python=3.8  # 创建conda环境（指定Python版本）
conda activate pytorch_env  # 激活环境
conda install pytorch torchvision torchaudio cpuonly -c pytorch

GPU版本（如CUDA 11.7）：
```
conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch
```
注：conda会自动安装对应版本的CUDA Toolkit，无需单独安装系统级CUDA。

五、验证PyTorch安装

安装完成后，通过Python交互环境验证PyTorch是否安装成功及GPU是否可用：

python3 -c "
import torch
print('PyTorch版本:', torch.__version__)
print('CUDA是否可用:', torch.cuda.is_available())
if torch.cuda.is_available():
    print('CUDA版本:', torch.version.cuda)
"

若输出显示PyTorch版本号且torch.cuda.is_available()返回True（GPU版本），则说明安装成功。

六、配置环境变量（可选）

若使用GPU版本的PyTorch，需确保系统能找到CUDA库。编辑~/.bashrc（或~/.zshrc，根据shell类型）文件，添加以下内容：

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc  # 使配置生效

注：/usr/local/cuda为CUDA默认安装路径，若路径不同需修改为实际路径。

七、安装其他依赖库（可选）

根据项目需求，可安装常用的数据科学库（如NumPy、Pandas、Matplotlib）：

pip install numpy pandas matplotlib scikit-learn  # 使用pip安装
# 或使用conda安装（conda环境内）
conda install numpy pandas matplotlib scikit-learn

以上步骤覆盖了Linux环境下PyTorch配置的全流程，涵盖基础依赖、环境隔离、安装方式选择及验证环节。根据自身硬件配置（是否有GPU）和偏好（pip/conda）选择合适的方式即可。