走啊走
加油

Ubuntu 24.04.2 LTS安装配置pytorch深度学习环境？

2025-09-12 16:01:00 分类：阿里云ECS
服务器价格表

在 Ubuntu 24.04.2 LTS 上安装和配置 PyTorch 深度学习环境，推荐使用 conda 或 pip 结合 NVIDIA 显卡驱动与 CUDA 工具包（如有 GPU）。以下是详细步骤：

✅ 一、准备工作

1. 更新系统

sudo apt update && sudo apt upgrade -y

2. 安装基础依赖

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

✅ 二、安装 NVIDIA 驱动（如使用 GPU）

若你有 NVIDIA 显卡并希望使用 GPU 提速，请先安装合适的驱动。

方法一：使用 Ubuntu 自带的“附加驱动”

sudo ubuntu-drivers autoinstall

或打开 GUI 的 "Software & Updates" → "Additional Drivers" 选择推荐驱动。

方法二：手动安装官方驱动（可选）

从 NVIDIA 官网 下载对应驱动，然后：

# 禁用 nouveau 驱动（重要）
sudo bash -c 'echo "blacklist nouveau" >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf'
sudo bash -c 'echo "options nouveau modeset=0" >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf'
sudo update-initramfs -u

# 重启后进入文本模式安装驱动
sudo systemctl set-default multi-user.target
sudo reboot

登录后运行 .run 文件安装驱动。

安装完成后验证：

nvidia-smi

应显示 GPU 信息和驱动版本。

✅ 三、安装 CUDA Toolkit 和 cuDNN（推荐使用 conda 管理）

推荐通过 Miniconda 安装，避免系统级冲突。

1. 安装 Miniconda

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

按提示安装，重启终端或执行：

source ~/.bashrc

2. 创建虚拟环境（推荐）

conda create -n pytorch_env python=3.10
conda activate pytorch_env

✅ 四、安装 PyTorch

方式一：使用 pip（官方推荐）

前往 PyTorch 官网 获取最新命令。

截至 2025 年 4 月，适用于 Ubuntu 24.04 + CUDA 支持的命令如下：

✅ 有 NVIDIA GPU（CUDA 支持）：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

✅ 仅 CPU 版本：

pip3 install torch torchvision torchaudio

注：cu121 表示 CUDA 12.1。PyTorch 官方预编译包自带 CUDA 运行时，无需系统全局安装完整 CUDA Toolkit。

方式二：使用 conda 安装（更稳定）

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

✅ 五、验证安装

python -c "
import torch
print('PyTorch version:', torch.__version__)
print('CUDA available:', torch.cuda.is_available())
print('GPU count:', torch.cuda.device_count())
if torch.cuda.is_available():
    print('Current GPU:', torch.cuda.get_device_name(0))
"

输出示例：

PyTorch version: 2.3.0
CUDA available: True
GPU count: 1
Current GPU: NVIDIA RTX 4090

✅ 六、安装常用深度学习工具（可选）

pip install jupyter notebook matplotlib pandas numpy scikit-learn tqdm tensorboard

启动 Jupyter：

jupyter notebook

✅ 七、常见问题解决

❌ nvidia-smi 正常但 torch.cuda.is_available() 为 False

原因可能是 PyTorch 安装的 CUDA 版本与驱动不兼容。

检查驱动支持的最高 CUDA 版本：

nvidia-smi

顶部显示类似：

CUDA Version: 12.4

说明驱动支持到 CUDA 12.4，可以运行 CUDA 12.1 编译的 PyTorch。

如果驱动太旧，升级驱动：

sudo apt install nvidia-driver-550  # 或更高版本

✅ 八、设置开机默认图形界面（如果之前改成了文本模式）

sudo systemctl set-default graphical.target
sudo reboot

✅ 总结：完整流程简版

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

# 2. 安装显卡驱动（自动）
sudo ubuntu-drivers autoinstall

# 3. 安装 Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
source ~/.bashrc

# 4. 创建环境
conda create -n pytorch_env python=3.10
conda activate pytorch_env

# 5. 安装 PyTorch（GPU 版）
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

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

✅ 至此，你的 Ubuntu 24.04.2 LTS 深度学习环境已配置完成！

如需部署模型训练、使用 Docker、或搭配 VS Code 远程开发，也可以继续扩展环境。

需要我提供 Docker 镜像方案 或 VS Code + Remote SSH 配置指南 吗？

相关推荐