Ubuntu 24.04.2 LTS安装配置pytorch深度学习环境？

在 Ubuntu 24.04.2 LTS 上安装和配置 PyTorch 深度学习环境，可以按照以下步骤进行。本指南涵盖 CPU 和 GPU（NVIDIA）两种情况，并推荐使用 conda 或 pip 管理环境。

✅ 一、准备工作

1. 更新系统

sudo apt update && sudo apt upgrade -y

2. 安装基础工具

sudo apt install -y python3-pip python3-dev build-essential git wget

✅ 二、选择 Python 环境管理方式（推荐 conda）

方案 A：使用 Miniconda / Anaconda（推荐）

1. 下载并安装 Miniconda

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

按提示完成安装后重启终端或运行：

source ~/.bashrc

2. 创建虚拟环境（例如命名为 pytorch-env）

conda create -n pytorch-env python=3.10
conda activate pytorch-env

方案 B：使用 pip + venv（轻量级）

python3 -m venv ~/pytorch-env
source ~/pytorch-env/bin/activate

✅ 三、安装 PyTorch

建议访问 PyTorch 官网 获取最新命令。

截至 2025 年 4 月，适用于 Ubuntu 24.04 的主流版本如下：

🟢 场景 1：仅使用 CPU（无 NVIDIA 显卡）

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

# 或使用 conda（如果用 conda）
conda install pytorch torchvision torchaudio cpuonly -c pytorch

🔵 场景 2：使用 NVIDIA GPU（CUDA 支持）

步骤 1：确认你的 NVIDIA 显卡驱动已安装

检查驱动是否正常：

nvidia-smi

如果显示显卡信息和驱动版本，则驱动已安装。

如果没有，请先安装驱动：

# 查看推荐驱动
ubuntu-drivers devices

# 自动安装推荐驱动
sudo ubuntu-drivers autoinstall

# 重启
sudo reboot

再次运行 nvidia-smi 验证。

步骤 2：确定 CUDA 版本支持

PyTorch 通常自带 CUDA 运行时，无需手动安装完整 CUDA Toolkit。

查看当前系统支持的 CUDA 版本（来自 nvidia-smi 输出顶部）：

CUDA Version: 12.4

PyTorch 当前主要支持 CUDA 11.8 或 12.1。

✅ 推荐使用 PyTorch 官方预编译的 CUDA 版本（如 cu121），不要求系统安装完整 CUDA Toolkit。

步骤 3：安装支持 CUDA 的 PyTorch

使用 pip（推荐）

前往 https://pytorch.org/get-started/locally/ 选择：

• Package: pip
• Language: Python
• Compute Platform: CUDA (e.g., 12.1)

执行类似命令（以 CUDA 12.1 为例）：

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

✅ 验证安装成功：

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

输出应为：

2.3.0
True

如果返回 False，请检查驱动、CUDA 兼容性或重新安装。

✅ 四、可选：安装 Jupyter Notebook / VS Code

安装 Jupyter

pip install jupyter notebook
jupyter notebook --ip=0.0.0.0 --no-browser --allow-root

安装常用深度学习库

pip install numpy pandas matplotlib scikit-learn tqdm tensorboard

✅ 五、验证完整环境

创建测试脚本 test_pytorch.py：

import torch

print("PyTorch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())
if torch.cuda.is_available():
    print("GPU device name:", torch.cuda.get_device_name(0))
    x = torch.rand(5, 3).cuda()
    print("Random tensor on GPU:", x)
else:
    print("Running on CPU")

运行：

python test_pytorch.py

✅ 六、常见问题解决

✅ 七、总结（推荐流程）

# 1. 更新系统
sudo apt update && sudo apt upgrade -y

# 2. 安装 Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

# 3. 创建环境
conda create -n pytorch-env python=3.10
conda activate pytorch-env

# 4. 安装 PyTorch with CUDA (示例)
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# 5. 验证
python -c "import torch; print(torch.cuda.is_available())"

✅ 成功！你现在可以在 Ubuntu 24.04 上愉快地使用 PyTorch 进行深度学习开发了！

如有特定需求（如 PyTorch Lightning、HuggingFace Transformers 等），可继续安装相关包。

需要我为你生成一个完整的自动化安装脚本吗？