PyTorch在Debian上如何配置

在 Debian 上配置 PyTorch 的完整步骤

一 环境准备

• 更新系统并安装基础工具与 Python：
  • 执行：sudo apt update && sudo apt upgrade -y
  • 安装：sudo apt install -y build-essential cmake git python3 python3-pip python3-dev
• 建议创建虚拟环境（隔离依赖，便于多版本管理）：
  • 使用 venv：python3 -m venv ~/venvs/pytorch && source ~/venvs/pytorch/bin/activate
  • 或使用 conda：conda create -n pytorch python=3.10 -y && conda activate pytorch
• 说明：以上为后续安装 PyTorch 所必需的基础依赖与通用准备步骤，适用于 Debian 系列系统。

二 安装 PyTorch

• CPU 版本（最简便，适合无 NVIDIA GPU 或仅需推理/CPU 训练）
  • pip：pip install torch torchvision torchaudio
  • conda：conda install pytorch torchvision torchaudio cpuonly -c pytorch
• GPU 版本（需先准备兼容的 NVIDIA 驱动 与 CUDA/cuDNN）
  • 常见做法一（pip + 官方 CUDA 预编译包）：
    • 例如 CUDA 11.8：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
    • 例如 CUDA 12.1：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
  • 常见做法二（conda + cudatoolkit）：
    • 例如：conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia
• 选择版本提示：前往 https://pytorch.org/get-started/locally/ 选择操作系统为 Linux、包管理为 pip/conda、计算平台为 CPU 或对应的 CUDA 版本，复制生成的命令执行。

三 验证安装与常见问题

• 验证安装是否成功：
  • 运行：python3 - <<'PY' import torch print("torch:", torch.__version__) print("cuda available:", torch.cuda.is_available()) print("device count:", torch.cuda.device_count()) if torch.cuda.is_available(): print("current device:", torch.cuda.current_device()) print("device name:", torch.cuda.get_device_name(0)) PY
  • 预期：输出版本号；GPU 环境应显示 cuda available: True 与设备信息。
• 常见问题与处理
  • 网络下载慢或超时：使用国内镜像（如清华源）加速 pip 安装，例如：pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple（注意镜像可能滞后，GPU 版本建议优先使用官方源）。
  • CUDA 不匹配或不可用：确认已安装与 PyTorch 版本匹配的 NVIDIA 驱动 与 CUDA/cuDNN，并确保 torch.cuda.is_available() 返回 True；必要时重装对应版本的 PyTorch（参考上节命令）。
  • 权限或编译问题：优先在虚拟环境中安装；如从源码构建，需确保已安装 build-essential、cmake、python3-dev 等开发依赖。