ubuntu 24.04安装pytorch？-轻量云Cloud

在 Ubuntu 24.04 上安装 PyTorch，最推荐的方式是通过 Conda 或 pip 进行安装。由于 Ubuntu 24.04 默认使用较新的 Python 版本（通常是 Python 3.12），且系统自带了较新的 GCC 和 CUDA 工具链，直接通过 pip 安装通常是最简单且兼容性最好的方法。

以下是几种主流的安装方案，请根据你的具体需求选择：

方案一：使用 pip 安装（最简单，适合大多数用户）

如果你已经安装了 Python 3.8+，可以直接使用 pip 安装。PyTorch 官方提供了针对不同硬件提速需求的命令。

1. 基础 CPU 版本

pip install torch torchvision torchaudio

2. 带 GPU 支持 (CUDA) 版本

首先，你需要确认你的 NVIDIA 显卡驱动是否已安装，并查看当前支持的 CUDA 版本（例如 nvidia-smi 会显示）。

CUDA 12.1 (目前最新稳定版，推荐):

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

CUDA 11.8 (旧版兼容性好):

pip install --index-url https://download.pytorch.org/whl/cu118 
            torch torchvision torchaudio

注意：Ubuntu 24.04 默认可能没有预装 CUDA Toolkit。如果你需要编译自定义算子或运行某些特定模型，建议单独安装 NVIDIA CUDA Toolkit。如果只是为了运行现有的 PyTorch 代码，上述 pip 命令会自动下载包含 CUDA 运行时库的 wheel 包，无需手动配置复杂的 CUDA 环境变量。

方案二：使用 Conda 安装（推荐用于数据科学环境）

如果你使用 Anaconda 或 Miniconda，这是管理依赖隔离的最佳方式。

创建新环境（建议指定 Python 版本，如 3.10 或 3.11，虽然 3.12 也支持但部分旧库可能尚未完全适配）：
```
conda create -n pytorch_env python=3.10
conda activate pytorch_env
```

安装 PyTorch：

CPU 版本:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

GPU 版本 (CUDA 12.1):

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

GPU 版本 (CUDA 11.8):

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

方案三：验证安装

无论使用哪种方式，安装完成后都需要运行以下 Python 代码来验证安装是否成功以及是否能检测到 GPU：

import torch

# 检查版本
print(f"PyTorch version: {torch.__version__}")

# 检查 CUDA 可用性
if torch.cuda.is_available():
    print(f"CUDA available: True")
    print(f"Current device: {torch.cuda.current_device()}")
    print(f"Device name: {torch.cuda.get_device_name(0)}")
    print(f"CUDA version: {torch.version.cuda}")
else:
    print("CUDA not available, running on CPU.")

常见问题与提示

Python 版本问题：Ubuntu 24.04 默认 Python 是 3.12。PyTorch 官方对 3.12 的支持正在逐步完善。如果遇到 ImportError 或构建失败，建议在 Conda 中创建一个 Python 3.10 或 3.11 的环境会更稳妥。
NVIDIA 驱动：确保你的系统内核模块与安装的 NVIDIA 驱动匹配。可以通过 lsmod | grep nvidia 检查驱动是否加载。如果没有加载，可能需要重新安装驱动或重启系统。
虚拟环境：强烈建议使用 venv 或 conda 创建独立环境，避免污染系统全局 Python 包。

通常情况下，方案一中的 CUDA 12.1 版本配合当前的 Ubuntu 24.04 是体验最流畅的选择。