PyTorch在Debian上的使用教程

1. 準備工作：更新系統并安裝基礎依賴

在開始安裝PyTorch前，需確保Debian系統為最新狀態，并安裝Python及pip（PyTorch的包管理工具）。打開終端，依次執行以下命令：

sudo apt update && sudo apt upgrade -y  # 更新系統包
sudo apt install python3 python3-pip -y  # 安裝Python3及pip

這一步是后續安裝的基礎，確保系統包和Python環境符合要求。

2. （可選但推薦）創建虛擬環境

為避免項目依賴沖突，建議使用虛擬環境隔離PyTorch及相關庫。以venv模塊為例：

python3 -m venv pytorch-env  # 創建名為pytorch-env的虛擬環境
source pytorch-env/bin/activate  # 激活虛擬環境（激活后終端提示符會顯示環境名）

激活后，所有后續安裝的包都會隔離在該環境中，不影響系統全局Python環境。

3. 安裝PyTorch：選擇CPU或GPU版本

PyTorch提供CPU和GPU（CUDA加速）兩種版本，需根據硬件配置選擇：

3.1 CPU版本（無GPU加速）

若無需GPU加速（如普通筆記本或服務器無NVIDIA顯卡），直接通過pip安裝CPU版本：

pip install torch torchvision torchaudio  # 安裝PyTorch核心庫及常用擴展

3.2 GPU版本（需CUDA支持）

若需GPU加速，需先確保系統安裝了兼容的NVIDIA驅動和CUDA Toolkit（具體版本要求參考PyTorch官網），再通過pip安裝對應CUDA版本的PyTorch。例如：

• CUDA 11.7版本：

  pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
  

• CUDA 12.0版本：

  pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu120
  

注：CUDA版本需與顯卡驅動版本匹配（如CUDA 11.7需驅動版本≥515.65.01），可通過nvidia-smi命令查看驅動版本。

4. 驗證PyTorch安裝

安裝完成后，通過Python交互環境驗證PyTorch是否安裝成功及CUDA是否可用：

import torch
print("PyTorch版本:", torch.__version__)  # 打印PyTorch版本號
print("CUDA是否可用:", torch.cuda.is_available())  # 若為True，說明GPU加速可用

若輸出類似以下結果，則說明安裝成功：

PyTorch版本: 2.1.0
CUDA是否可用: True

5. （可選）安裝其他常用依賴

根據項目需求，可能需要安裝數據處理、可視化等工具庫，例如：

pip install numpy pandas matplotlib seaborn  # 安裝數值計算、數據分析及可視化庫

6. （可選）使用conda安裝PyTorch

若更習慣使用conda（Anaconda/Miniconda）管理環境，也可通過conda安裝PyTorch：

• 安裝Miniconda（若未安裝）：

  wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
  bash Miniconda3-latest-Linux-x86_64.sh  # 按提示完成安裝
  

• 創建conda環境并安裝PyTorch：

  conda create -n pytorch_env python=3.9 -y  # 創建名為pytorch_env的環境（Python 3.9）
  conda activate pytorch_env  # 激活環境
  conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch  # 安裝CUDA 11.7版本PyTorch
  

conda會自動處理依賴關系，適合需要復雜環境管理的場景。

注意事項

• CUDA兼容性：若使用GPU版本，需確保CUDA Toolkit版本與PyTorch版本匹配（參考PyTorch官網的最新兼容列表）。
• 驅動更新：NVIDIA驅動需提前安裝并更新至最新版本，否則可能導致CUDA無法正常工作。
• 虛擬環境：強烈建議使用虛擬環境，避免依賴沖突導致的安裝或運行問題。