阅读量:5
PyTorch在Debian上的安装教程
1. 安装系统依赖
首先更新系统包列表并升级现有软件包，确保系统处于最新状态：
sudo apt update && sudo apt upgrade -y
安装Python环境及构建工具（PyTorch需要Python 3.6及以上版本）：
sudo apt install -y python3 python3-pip build-essential curl git python3-dev
2. （可选）创建虚拟环境
为避免与其他Python项目冲突，建议使用虚拟环境隔离PyTorch及其依赖：
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）
3. 安装PyTorch
PyTorch提供CPU和GPU（CUDA）两种版本，需根据硬件配置选择：
3.1 CPU版本（无GPU加速）
直接通过pip安装官方提供的CPU版本：
pip install --upgrade pip # 升级pip到最新版本
pip install torch torchvision torchaudio
3.2 GPU版本（需NVIDIA GPU支持）
若使用NVIDIA GPU，需先安装兼容的CUDA Toolkit和cuDNN库（参考后续注意事项），然后通过pip安装对应版本的PyTorch：
- CUDA 11.7（推荐，兼容多数新显卡）：
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 - CUDA 11.8：
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu118 - CUDA 12.0：
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu120
4. 验证安装
安装完成后，通过Python交互环境验证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())
"
若输出显示PyTorch版本号且torch.cuda.is_available()返回True（仅GPU版本），则说明安装成功。
注意事项
- CUDA和cuDNN安装：若使用GPU版本，需提前安装与PyTorch版本兼容的CUDA Toolkit（如PyTorch 2.0需CUDA 11.7及以上）和cuDNN（如CUDA 11.7需cuDNN 8.5及以上）。可从NVIDIA官网下载对应版本的安装包，或使用系统包管理器安装（如
sudo apt install nvidia-cuda-toolkit）。 - 网络问题：若安装过程中出现网络超时，可使用国内镜像源加速（如清华源）：
pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple - 依赖问题：若安装失败，可尝试安装额外的系统依赖（如
libopenblas-dev、liblapack-dev）：sudo apt install -y libopenblas-dev liblapack-dev
通过以上步骤，即可在Debian系统上完成PyTorch的安装与验证。
以上就是关于“PyTorch在Debian上的安装教程”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