PyTorch在Debian上的安裝教程

PyTorch在Debian上的安裝教程

1. 安裝系統依賴

首先更新系統包列表并升級現有軟件包，確保系統處于最新狀態：

sudo apt update && sudo apt upgrade -y

安裝Python環境及構建工具（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. （可選）創建虛擬環境

為避免與其他Python項目沖突，建議使用虛擬環境隔離PyTorch及其依賴：

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）

3. 安裝PyTorch

PyTorch提供CPU和GPU（CUDA）兩種版本，需根據硬件配置選擇：

3.1 CPU版本（無GPU加速）

直接通過pip安裝官方提供的CPU版本：

pip install --upgrade pip  # 升級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，需先安裝兼容的CUDA Toolkit和cuDNN庫（參考后續注意事項），然后通過pip安裝對應版本的PyTorch：

• CUDA 11.7（推薦，兼容多數新顯卡）：

  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. 驗證安裝

安裝完成后，通過Python交互環境驗證PyTorch是否安裝成功及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())
"

若輸出顯示PyTorch版本號且torch.cuda.is_available()返回True（僅GPU版本），則說明安裝成功。

注意事項

• CUDA和cuDNN安裝：若使用GPU版本，需提前安裝與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）?？蓮腘VIDIA官網下載對應版本的安裝包，或使用系統包管理器安裝（如sudo apt install nvidia-cuda-toolkit）。
• 網絡問題：若安裝過程中出現網絡超時，可使用國內鏡像源加速（如清華源）：

  pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
  

• 依賴問題：若安裝失敗，可嘗試安裝額外的系統依賴（如libopenblas-dev、liblapack-dev）：

  sudo apt install -y libopenblas-dev liblapack-dev
  

通過以上步驟，即可在Debian系統上完成PyTorch的安裝與驗證。