PyTorch GPU版本离线安装

### 离线安装 PyTorch GPU 版本的方法 为了成功离线安装 PyTorch 的 GPU 版本，需要按照以下流程操作： #### 1. 准备环境 确保目标机器上已经安装了 NVIDIA 显卡驱动程序以及 CUDA 和 cuDNN 库。这些库的版本需与所选 PyTorch 版本兼容[^3]。 #### 2. 下载所需依赖项 访问官方 PyTorch 轮子文件仓库 `https://download.pytorch.org/whl/torch_stable.html` 并滚动页面到底部以找到支持 GPU 的轮子文件列表。 根据系统的 Python 版本、CUDA 版本以及其他硬件需求选择合适的 `.whl` 文件进行下载。例如： - 对于 Python 3.9 和 CUDA 11.6，可选择如下链接中的文件之一： ``` https://download.pytorch.org/whl/cu116/torch-1.12.0%2Bcu116-cp39-cp39-linux_x86_64.whl ``` 如果下载速度过慢，建议通过迅雷或其他工具加速下载过程[^5]。 #### 3. 将文件传输至目标设备 将已下载的 `.whl` 文件复制到目标 Ubuntu 设备上的指定路径（如 `/home/user/offline_packages/`），可以通过 USB 或 SCP 工具实现数据转移。 #### 4. 创建 Conda 环境并激活 在目标设备上运行以下命令来创建一个新的虚拟环境，并将其激活： ```bash conda create -n myenv python=3.9 conda activate myenv ``` 这里假设选择了 Python 3.9 版本作为基础解释器，请依据实际情况调整此参数。 #### 5. 使用 Pip 进行离线安装 切换到存储 `.whl` 文件的位置并通过 pip 命令执行安装动作： ```bash cd /home/user/offline_packages/ pip install torch-*.whl torchvision-*.whl torchaudio-*.whl ``` 上述指令会自动解析并加载所有必要的组件及其关联依赖关系。 #### 6. 验证安装结果 最后一步是在终端中启动交互式 Python 解释器测试是否能够正常导入模块： ```python import torch print(torch.cuda.is_available()) ``` 当返回值为 True，则表明 GPU 支持已被正确启用。 --- ### 注意事项 - **版本匹配**：务必确认使用的 PyTorch、CUDA 和 cuDNN 各自之间的版本相互兼容。 - **网络连接状态**：即使处于完全断网状态下也能顺利完成整个过程，前提是提前准备好全部必需品。 - **错误排查**：遇到任何异常情况时优先查阅日志信息定位具体原因；必要情况下重新核验各环节设置无误后再试一次。