PyTorch Linux版支持哪些硬件加速器

PyTorch在Linux版主要支持NVIDIA GPU通過CUDA進行硬件加速，同時也支持AMD GPU通過ROCm進行加速，但支持可能有限。此外，PyTorch Mobile和LibTorch適用于移動端的Android和iOS設備，而邊緣設備可能會用到ONNX格式轉換。

具體的安裝和使用步驟如下：

安裝NVIDIA GPU驅動

確保你的系統已經安裝了NVIDIA GPU驅動。你可以通過以下命令檢查是否已經安裝了驅動：

nvidia-smi

如果沒有安裝驅動，可以參考NVIDIA官方文檔進行安裝。

安裝CUDA Toolkit

PyTorch需要CUDA Toolkit來進行GPU加速。你可以從NVIDIA官網下載適合你系統的CUDA Toolkit。安裝完成后，確保將CUDA的路徑添加到環境變量中：

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

安裝cuDNN

cuDNN是NVIDIA的深度學習庫，它可以加速深度學習框架的運行。你需要注冊NVIDIA開發者賬號并下載與你的CUDA版本兼容的cuDNN庫。下載完成后，解壓并將文件復制到CUDA目錄中：

tar -xzvf cudnn-<version>-linux-x64-v<version>.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

安裝PyTorch

你可以使用pip來安裝PyTorch。訪問PyTorch官網，選擇合適的安裝命令。例如，如果你需要CUDA 11.3支持，可以使用以下命令：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

驗證安裝

安裝完成后，你可以通過運行一個簡單的PyTorch腳本來驗證GPU是否可用：

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

如果輸出為True，則表示PyTorch已經成功配置并可以使用GPU加速。

通過上述步驟，你應該能夠在Linux系統上使用PyTorch的GPU加速功能。