PyTorch Linux版如何安裝CUDA

在Linux系統上安裝PyTorch與CUDA的步驟如下：

1. 檢查系統要求

首先，確保你的Linux系統滿足PyTorch的系統要求。PyTorch支持的CUDA最低版本為18.04，因此建議使用Ubuntu 18.04或更高版本。

2. 安裝NVIDIA顯卡驅動

在終端中運行以下命令檢查NVIDIA顯卡驅動是否已安裝：

nvidia-smi

如果顯示CUDA版本信息，說明驅動已安裝。如果沒有安裝，請訪問NVIDIA官網下載并安裝與你的顯卡型號相匹配的驅動程序。

3. 下載并安裝CUDA Toolkit

訪問NVIDIA CUDA Toolkit Archive，選擇與你的顯卡驅動版本相適應的CUDA版本。以下是一個示例，假設我們需要安裝CUDA 11.7：

1. 下載CUDA安裝包：

wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda_11.7.1_515.65.01_linux.run

2. 給予執行權限并運行安裝程序：

chmod +x cuda_11.7.1_515.65.01_linux.run
./cuda_11.7.1_515.65.01_linux.run

在安裝過程中，按提示操作，注意選擇自定義安裝路徑，并取消選擇“Install CUDA driver”選項，以避免覆蓋顯卡驅動。

3. 安裝完成后，配置環境變量。編輯~/.bashrc文件，添加以下行：

export PATH=/usr/local/cuda-11.7/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH

保存并關閉文件，然后運行以下命令使環境變量生效：

source ~/.bashrc

4. 驗證CUDA安裝是否成功，運行：

nvcc -V

4. 安裝cuDNN

訪問NVIDIA cuDNN官方網站，下載與你的CUDA版本兼容的cuDNN庫。以下是一個示例，假設我們需要安裝cuDNN 8.5（對應CUDA 11.7）：

1. 下載cuDNN安裝包：

wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1804/x86_64/libcudnn8_8.5.0.50-1+cudnn8.5.0-1+cuda11.7_amd64.deb

2. 安裝cuDNN：

sudo dpkg -i libcudnn8_8.5.0.50-1+cudnn8.5.0-1+cuda11.7_amd64.deb

3. 配置環境變量。將cuDNN庫的頭文件和動態鏈接庫路徑添加到~/.bashrc文件中：

echo 'export PATH=/usr/lib/x86_64-linux-gnu:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

5. 安裝PyTorch

在安裝PyTorch之前，建議創建一個conda虛擬環境以隔離項目依賴：

conda create -n pytorch_env python=3.9
conda activate pytorch_env

根據你的CUDA版本，從PyTorch官網獲取相應的安裝命令。以下是一個示例，假設我們需要安裝PyTorch 2.0.1（對應CUDA 11.7）：

使用conda安裝

conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch

使用pip安裝

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

6. 驗證安裝

在Python解釋器中運行以下代碼，檢查PyTorch是否能夠檢測到CUDA：

import torch
print(torch.__version__)
print(torch.cuda.is_available())

如果輸出為True，則表示PyTorch和CUDA適配成功。

通過以上步驟，你可以在Linux系統中成功安裝PyTorch與CUDA，從而利用GPU加速深度學習模型的訓練和推理。如果在安裝過程中遇到問題，可以參考PyTorch官方文檔或相關社區論壇尋求幫助。