ubuntu cuda装pytorch
时间: 2025-05-05 17:04:06 AIGC 浏览: 26
### 在 Ubuntu 系统中使用 CUDA 安装 PyTorch
为了在 Ubuntu 上配置支持 CUDA 的 PyTorch,以下是详细的说明:
#### 1. 检查硬件和软件环境
确保系统已正确安装 NVIDIA 驱动程序并验证其版本。可以通过运行以下命令来确认:
```bash
nvidia-smi
```
此命令会显示 GPU 使用情况以及所安装的驱动版本[^1]。
同时,检查 CUDA 编译器 `nvcc` 是否正常工作及其版本号:
```bash
nvcc --version
```
如果尚未安装 NVIDIA 驱动或 CUDA 工具包,则需先完成这一步骤[^3]。
#### 2. 创建 Conda 虚拟环境
推荐在一个隔离环境中管理 Python 库以避免冲突。执行如下操作建立新的虚拟环境(这里选用 Python 3.8 版本作为例子):
```bash
conda create -n pytorch_env python=3.8
conda activate pytorch_env
```
#### 3. 安装 PyTorch 并指定 CUDA 版本
访问官方 PyTorch 网站获取适合您系统的安装指令链接地址 https://pytorch.org/get-started/locally/#start-local 。按照对应操作系统、Python 解释器类型、CUDA 版本来选取合适的 pip 或 conda 命令行语句。
例如,如果您希望基于 CUDA 11.3 来部署 PyTorch 1.11.0 ,可采用下面的方式进行安装:
```bash
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
```
或者直接利用 PIP 进行安装 (注意调整 cuda 版本参数) :
```bash
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu113
```
#### 4. 测试 PyTorch 对 GPU 支持的情况
启动 Python 控制台测试是否能够检测到 GPU 设备:
```python
import torch
print(torch.cuda.is_available()) # 如果返回 True 表明有可用的 GPUs.
print(torch.cuda.device_count()) # 显示当前机器上的 GPU 数量.
print(torch.version.cuda) # 查看实际加载的 CUDA 版本.
print(torch.cuda.get_device_name(0))# 获取第一个 GPU 名字.
```
以上脚本可以帮助判断整个设置流程是否顺利完成。
#### 5. 处理常见错误
当遇到诸如 libcuda.so 或者其他动态库缺失引发的问题时,请参照特定场景下的解决方案尝试修复路径变量等问题;比如之前提到过的关于 RTX3090 用户可能碰到的一些兼容性挑战[^2]。
---
###
阅读全文
相关推荐
















