ubuntu 24.04安装pytorch？-CLOUD技术博

在 Ubuntu 24.04 上安装 PyTorch，最推荐且最稳定的方式是使用 Conda（通过 Miniconda 或 Anaconda）或 pip。由于 Ubuntu 24.04 基于较新的 Python 版本（默认通常为 Python 3.12），建议先确认你的 Python 环境。

以下是三种最常用的安装方案，请根据你的需求选择：

方案一：使用 pip 安装（最简单，适合快速上手）

如果你已经安装了 Python 并配置好虚拟环境，可以直接使用 pip 安装。PyTorch 官方提供了不同版本的安装命令，支持 CPU 和 GPU（CUDA）。

1. 安装 CPU 版本

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

2. 安装 CUDA 版本 (GPU)

首先，你需要确认你的 NVIDIA 显卡支持的 CUDA 版本。

方法 A（自动匹配最新稳定版）：运行以下命令，它会自动下载与当前系统兼容的最新稳定版 CUDA 12.x（适用于大多数新显卡）：
```
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
```
(注：cu121 代表 CUDA 12.1。如果你的显卡非常新，或者需要特定旧版本，请访问 PyTorch 官网获取对应命令)

方法 B（指定具体 CUDA 版本）：例如 CUDA 11.8：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

注意：安装前建议创建一个虚拟环境以避免依赖冲突：
python3 -m venv pytorch_env
source pytorch_env/bin/activate
# 然后在激活的环境中执行上面的 pip 命令

方案二：使用 Conda 安装（推荐，依赖管理更稳健）

Ubuntu 24.04 的某些系统库可能与 PyTorch 的预编译包有细微冲突，使用 Conda 可以自动处理大部分底层依赖（如 MKL、OpenBLAS 等）。

安装 Miniconda (如果尚未安装):

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
# 按提示操作，重启终端生效

创建并激活环境:
```
conda create -n pytorch_env python=3.10 -y
conda activate pytorch_env
```
(建议 Python 版本选 3.9 或 3.10，兼容性最好；虽然 Ubuntu 24.04 默认是 3.12，但部分旧版 PyTorch 可能未完全适配)

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

方案三：验证安装是否成功

无论使用哪种方式，安装完成后，请运行以下 Python 代码来验证：

import torch

print(f"PyTorch 版本: {torch.__version__}")
print(f"CUDA 可用: {torch.cuda.is_available()}")

if torch.cuda.is_available():
    print(f"CUDA 版本: {torch.version.cuda}")
    print(f"设备数量: {torch.cuda.device_count()}")
    print(f"当前设备: {torch.cuda.get_device_name(0)}")
else:
    print("未检测到 GPU，将使用 CPU 运行。")

常见问题提示 (Ubuntu 24.04 特有)

Python 版本问题：Ubuntu 24.04 默认搭载 Python 3.12。PyTorch 的稳定版目前对 Python 3.12 的支持正在逐步完善中。如果遇到 ImportError 或编译错误，强烈建议在 Conda 环境中将 Python 降级到 3.10 或 3.9。
NVIDIA 驱动：确保你已安装与显卡匹配的 NVIDIA 驱动。在终端运行 nvidia-smi，如果能看到显卡信息列表，说明驱动正常。
权限问题：如果不想使用 sudo，尽量在虚拟环境（venv 或 conda）中操作，避免污染系统全局包。

如果你不确定该选哪个 CUDA 版本，通常选择 CUDA 12.1 是目前兼顾性能和新硬件的最佳选择。