阅读量:3
Debian系统安装PyTorch的详细步骤
1. 更新系统包列表
在安装前，确保系统包为最新版本，避免依赖冲突：
sudo apt update && sudo apt upgrade -y
2. 安装Python及pip
PyTorch依赖Python环境，需安装Python3及pip（Python包管理工具）：
sudo apt install -y python3 python3-pip
3. （可选）创建虚拟环境
为隔离项目依赖，建议使用venv创建虚拟环境：
python3 -m venv pytorch_env # 创建名为pytorch_env的虚拟环境
source pytorch_env/bin/activate # 激活虚拟环境（激活后终端提示符会显示环境名）
4. 安装PyTorch
PyTorch提供CPU版本（无GPU加速）和GPU版本（需NVIDIA显卡+CUDA支持），需根据硬件配置选择：
（1）CPU版本安装
若无需GPU加速，直接通过pip安装CPU版本：
pip install --upgrade pip # 升级pip至最新版本
pip install torch torchvision torchaudio
（2）GPU版本安装
若使用NVIDIA GPU，需安装对应CUDA版本的PyTorch（以CUDA 11.7为例）：
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
注意：
- 需提前安装与CUDA版本匹配的NVIDIA驱动（可通过
nvidia-smi查看驱动版本，对应CUDA版本需≤驱动支持的最新版本）； - 不同CUDA版本的PyTorch安装命令可参考PyTorch官网（替换
--extra-index-url中的cuXXX为所需版本）。
5. 验证安装
安装完成后，通过Python代码验证PyTorch是否安装成功及GPU是否可用：
python3 -c "
import torch
print('PyTorch版本:', torch.__version__)
print('CUDA是否可用:', torch.cuda.is_available())
"
- 若输出PyTorch版本号且
torch.cuda.is_available()返回True，则说明安装成功； - 若返回
False，需检查CUDA驱动及环境变量（如PATH、LD_LIBRARY_PATH）是否配置正确。
6. （可选）安装其他依赖
根据项目需求，可安装常用数据处理库：
pip install numpy pandas matplotlib
7. （可选）配置CUDA环境（GPU用户）
若未自动识别CUDA，需手动设置环境变量（将/usr/local/cuda替换为实际安装路径）：
echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc # 使环境变量生效
以上步骤覆盖了Debian系统安装PyTorch的全流程，可根据硬件配置选择对应版本，确保安装顺利。
以上就是关于“Debian上PyTorch的安装步骤是什么”的相关介绍，筋斗云是国内较早的云主机应用的服务商，拥有10余年行业经验，提供丰富的云服务器、租用服务器等相关产品服务。云服务器资源弹性伸缩，主机vCPU、内存性能强悍、超高I/O速度、故障秒级恢复；电子化备案，提交快速，专业团队7×24小时服务支持！
简单好用、高性价比云服务器租用链接：https://www.jindouyun.cn/product/cvm