Ubuntu 24.04.2 LTS安装配置pytorch深度学习环境？-CDNK博客

在 Ubuntu 24.04.2 LTS 上安装和配置 PyTorch 深度学习环境是一个常见任务。以下是详细的步骤，涵盖 CPU 和 GPU（NVIDIA）两种情况。

✅ 前提条件

确保你已经：

安装了 Ubuntu 24.04.2 LTS
具有管理员权限（sudo）
网络连接正常
（可选）拥有 NVIDIA 显卡并希望使用 GPU X_X

🧩 第一步：更新系统

sudo apt update && sudo apt upgrade -y

🔧 第二步：安装 Python 和 pip

Ubuntu 24.04 默认带有 Python 3.12，但建议使用 python3-venv 创建虚拟环境。

sudo apt install python3 python3-pip python3-venv python3-dev -y

验证版本：

python3 --version
pip3 --version

🌐 第三步：创建虚拟环境（推荐）

避免污染全局环境：

mkdir ~/pytorch-env && cd ~/pytorch-env
python3 -m venv venv
source venv/bin/activate

激活后提示符前会显示 (venv)。

升级 pip：

pip install --upgrade pip

📦 第四步：安装 PyTorch

✅ 方式一：仅使用 CPU（适合无 NVIDIA 显卡）

访问 https://pytorch.org/get-started/locally/
选择：PyTorch Build: Stable (1.13+), OS: Linux, Package: Pip, Language: Python, Compute Platform: CPU

执行命令（截至 2025 年 4 月主流版本）：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

注：CPU 版本不支持 CUDA，训练速度较慢。

✅ 方式二：使用 NVIDIA GPU（CUDA 支持）

1. 安装 NVIDIA 驱动

检查显卡：

lspci | grep -i nvidia

安装驱动（推荐使用标准仓库）：

sudo ubuntu-drivers autoinstall

重启后验证：

nvidia-smi

应看到 GPU 信息和驱动版本。

2. 安装 CUDA Toolkit（可选，PyTorch 自带 CUDA）

PyTorch 官方 wheel 包已包含所需 CUDA 库，无需单独安装 CUDA Toolkit，除非你开发其他 CUDA 程序。

3. 安装支持 CUDA 的 PyTorch

前往 https://pytorch.org/get-started/locally/
选择：

PyTorch Build: Stable
OS: Linux
Package: Pip
Language: Python
Compute Platform: CUDA（如 11.8 或 12.1）

例如，使用 CUDA 12.1：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

注意：cu121 表示 CUDA 12.1，需与你的驱动兼容（nvidia-smi 显示的最高支持 CUDA 版本）。

✅ 第五步：验证安装

在 Python 中测试：

python -c "
import torch
print('PyTorch version:', torch.__version__)
print('CUDA available:', torch.cuda.is_available())
print('CUDA version:', torch.version.cuda)
print('Number of GPUs:', torch.cuda.device_count())
if torch.cuda.is_available():
    print('Current GPU:', torch.cuda.get_device_name(0))
"

预期输出示例（GPU 可用）：

PyTorch version: 2.3.0+cu121
CUDA available: True
CUDA version: 12.1
Number of GPUs: 1
Current GPU: NVIDIA GeForce RTX 3060

如果 CUDA available: False，请检查：

是否安装了正确的 cuXXX 版本
nvidia-smi 是否正常
驱动是否太旧

🛠️ 第六步：安装常用深度学习工具（可选）

pip install numpy pandas matplotlib jupyter notebook tqdm scikit-learn

启动 Jupyter Notebook 测试：

jupyter notebook

🧼 第七步：退出虚拟环境

完成配置后，可以退出：

deactivate

下次进入项目目录后重新激活：

source ~/pytorch-env/venv/bin/activate

📝 小贴士

问题	解决方案
`nvidia-smi` 找不到命令	安装驱动：`sudo ubuntu-drivers autoinstall`
CUDA 不可用	检查 PyTorch 是否安装 `cuXXX` 版本，且驱动支持对应 CUDA
pip 太慢	使用国内镜像源： `pip install torch ... -i https://pypi.tuna.tsinghua.edu.cn/simple`
想用 conda？	安装 Miniconda，然后 `conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia`

✅ 总结

步骤	内容
1	更新系统
2	安装 Python 和 pip
3	创建虚拟环境
4	根据硬件选择 CPU/GPU 安装 PyTorch
5	验证 CUDA 和 PyTorch
6	安装辅助工具

✅ 现在你已经在 Ubuntu 24.04.2 上成功配置了 PyTorch 深度学习环境！

如果你提供具体硬件（如 RTX 3060、4090 等），我可以给出更精确的安装命令。需要我帮你写一个一键安装脚本吗？