PyTorch在Linux环境中的安装步骤

Linux环境安装PyTorch的标准流程

一 准备与系统依赖

• 更新系统并安装基础工具（以Ubuntu/Debian为例，其他发行版将apt替换为yum/dnf即可）：
  • sudo apt update && sudo apt upgrade -y
  • sudo apt install -y build-essential cmake git wget unzip yasm pkg-config
    libopenblas-dev liblapack-dev libjpeg-dev libpng-dev
• 安装Python 3与pip（建议Python ≥ 3.8）：
  • sudo apt install -y python3 python3-pip
  • python3 --version && pip3 --version
• 建议先升级pip：pip3 install --upgrade pip。

二 创建虚拟环境

• 使用venv（Python内置，轻量）：
  • python3 -m venv pytorch_env
  • source pytorch_env/bin/activate
• 使用conda（Anaconda/Miniconda，依赖管理更省心）：
  • conda create -n pytorch_env python=3.8 -y
  • conda activate pytorch_env
• 后续所有安装与验证均在该虚拟环境中进行。

三 安装PyTorch

• 选择安装方式（CPU或GPU）。优先从PyTorch官网获取与你系统、CUDA版本匹配的命令；以下为常见示例。

• GPU用户请确保已安装NVIDIA驱动与CUDA Toolkit，且版本匹配（见下一节排错）。

四 验证安装与常见问题

• 基础验证（应输出版本号，GPU版还应显示CUDA可用为True）：
  • python3 -c “import torch; print(‘PyTorch版本:’, torch.version); print(‘CUDA可用:’, torch.cuda.is_available())”
• 常见问题与处理：
  • 网络慢或超时：使用国内镜像源（如清华源）pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
  • CUDA不可用或版本不匹配：
    • 用nvidia-smi查看驱动支持的CUDA版本，安装与之匹配的PyTorch CUDA包（如cu117/cu118/cu121）
    • 若使用系统CUDA，确认环境变量：export PATH=/usr/local/cuda-11.8/bin:$PATH；export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
  • 权限错误：优先使用虚拟环境；或在用户目录安装（pip3 install --user …）
  • IDE无法找到包：在VSCode/PyCharm中将解释器设置为虚拟环境中的Python（如pytorch_env/bin/python）。