PyTorch Linux环境配置步骤

在linux系统上搭建pytorch开发环境一般需要遵循以下流程：

1. 检查并安装python与pip

首先确认系统内是否存在Python和pip。运行如下指令查看状态：

python3 --version pip3 --version

如未安装，可执行以下命令完成安装：

针对debian系（例如ubuntu）：

sudo apt update sudo apt install python3 python3-pip

面向RPM系（比如centos）：

sudo yum install python3 python3-pip

2. 建立虚拟环境（推荐但非强制）

为避免不同项目的依赖冲突，建议构建独立的虚拟环境。采用以下命令生成并启动虚拟环境：

python3 -m venv pytorch_env source pytorch_env/bin/activate

3. 安装PyTorch

依据系统硬件（CPU或GPU）及CUDA版本选用合适的安装方法：

利用pip安装

• CPU专用版：

pip3 install torch torchvision torchaudio

• GPU兼容版（需预先配置好CUDA与cuDNN）：

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118

请将cu118替换成实际安装的CUDA版本号。

运用conda安装（推荐）

若使用Anaconda或Miniconda，借助conda工具安装PyTorch更为便捷。

• CPU版本：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

• GPU版本（需确保CUDA与cuDNN已正确安装）：

conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia

请将11.8替换为所用CUDA的具体版本号。

4. 核实安装情况

完成安装后，可通过以下命令检测PyTorch是否正常安装：

python3 -c "import torch; print(torch.__version__)"

若显示了PyTorch的版本号，则表明安装无误。

5. 调整CUDA设置（适用于GPU用户）

若要启用GPU加速功能，须保证CUDA与cuDNN已妥善安装，并设定相应的环境变量。具体操作可参照NVIDIA官方指南。

6. ide配置（可选项）

若采用IDE（如pycharm、vscode等），可进一步调整使其支持指定的虚拟环境。

• PyCharm：进入“Project Interpreter”设置，点击“Add Interpreter”，随后挑选刚创建的虚拟环境的解释器路径。
• VSCode：按下Ctrl+Shift+P打开命令面板，搜索“Python: select Interpreter”，接着选定虚拟环境对应的解释器路径。

依照上述步骤，你应该可以在Linux环境下顺利搭建PyTorch环境并着手开展深度学习任务。如遇难题，可查阅PyTorch官方文档寻求帮助。