在 Ubuntu 上运行 PyTorch 的完整步骤
一 准备环境
- 更新系统并安装基础工具：
- sudo apt update && sudo apt upgrade
- sudo apt install -y python3 python3-pip build-essential
- 建议创建隔离环境（二选一）：
- 使用 venv：
- sudo apt install -y python3-venv
- python3 -m venv ~/pytorch-env
- source ~/pytorch-env/bin/activate
- 使用 conda（Miniconda）：
- 下载并安装 Miniconda，然后创建环境：
- conda create -n pytorch-env python=3.10 -y
- conda activate pytorch-env
- 升级 pip：python -m pip install -U pip
以上步骤完成后，后续安装与运行都在激活的虚拟环境中进行。
二 安装 PyTorch
- CPU 版本（最通用）：
- pip install torch torchvision torchaudio
- GPU 版本（pip，按 CUDA 版本选择其一）：
- CUDA 11.8：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
- CUDA 12.1：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
- GPU 版本（conda，内置 cudatoolkit，无需单独装 CUDA）：
- conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
- 说明：
- 若不确定 CUDA 版本，可先装 CPU 版，或到 PyTorch 官网生成与你系统匹配的命令。
- 使用 conda 时优先选择带 cudatoolkit 的构建，减少驱动/库不匹配问题。
三 验证安装与运行第一个程序
- 验证安装：
- python - <<‘PY’
import torch
print(“PyTorch version:”, torch.version)
print(“CUDA available:”, torch.cuda.is_available())
if torch.cuda.is_available():
print(“CUDA device count:”, torch.cuda.device_count())
print(“Current device:”, torch.cuda.current_device())
print(“Device name:”, torch.cuda.get_device_name(0))
PY
- 运行示例脚本 test.py：
- nano test.py
- 粘贴：
- import torch
x = torch.rand(5, 3)
y = torch.rand(5, 3)
z = torch.matmul(x, y)
print(z)
- 运行：python test.py
- 启用 GPU（若可用）：
- device = torch.device(“cuda” if torch.cuda.is_available() else “cpu”)
- x, y = x.to(device), y.to(device)
- z = torch.matmul(x, y)
以上验证与示例覆盖了版本、CUDA 可用性以及最小矩阵运算。
四 GPU 排错要点
- 驱动与工具链：
- 查看推荐驱动：ubuntu-drivers devices
- 安装驱动（示例）：sudo apt install nvidia-driver-535（按推荐版本安装）
- 若使用系统 CUDA，设置环境变量（示例路径，按实际安装版本调整）：
- echo ‘export PATH=/usr/local/cuda/bin:$PATH’ >> ~/.bashrc
- echo ‘export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH’ >> ~/.bashrc
- source ~/.bashrc
- 版本匹配：
- 驱动版本需与 CUDA 版本匹配；conda 方案用内置 cudatoolkit 通常更省心。
- 常见症状与处理：
- torch.cuda.is_available() 为 False：检查驱动是否加载（nvidia-smi）、是否安装了对应 CUDA 的 PyTorch 包、是否在虚拟环境中正确激活。
- 导入 torch 报 libcudart.so 找不到：通常是 CUDA 库路径未加入环境变量或版本不匹配，优先用 conda 的 cudatoolkit 方案或修正 LD_LIBRARY_PATH。
