wordpress在线时长插件谷歌优化工具
以下是Linux系统安装GPU版本PyTorch的完整步骤指南：
1. 环境检查与准备
确认系统架构
bash
Copy Code
uname -m # 需为x86_64架构
cat /etc/os-release # 查看Linux发行版信息:ml-citation{ref="3,4" data="citationList"}
检查GPU驱动
bash
Copy Code
nvidia-smi # 验证驱动安装，显示GPU及支持的CUDA最高版本（需≥11.8）:ml-citation{ref="1,2" data="citationList"}
若无输出，需先安装NVIDIA驱动
2. 安装CUDA Toolkit（需与PyTorch版本匹配）
下载CUDA 11.8（PyTorch 2.0.1官方推荐）：
bash
Copy Code
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run
安装时取消勾选Driver（避免覆盖现有驱动）
配置环境变量：
bash
Copy Code
echo 'export PATH=/usr/local/cuda-11.8/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
验证：nvcc -V 应显示CUDA 11.8
4. 创建Python虚拟环境
bash
Copy Code
conda create -n pytorch_gpu python=3.9 # Python≥3.8
conda activate pytorch_gpu
5. 安装PyTorch GPU版
国内镜像加速（清华源）：
bash
Copy Code
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 -f https://mirrors.tuna.tsinghua.edu.cn/pytorch/whl/torch_stable.html
6. 验证安装
python
Copy Code
import torch
print(torch.__version__) # 应输出 2.0.1+cu118
print(torch.cuda.is_available()) # 应返回 True
print(torch.cuda.get_device_name(0)) # 显示显卡型号
⚠️ 常见问题解决
CUDA不可用：
检查驱动版本：nvidia-smi顶部版本需≥520.61.05
确认未安装CPU版PyTorch：pip uninstall torch后重装
安装超时：
bash
Copy Code
pip install ... --default-timeout=1000 # 延长超时时间:ml-citation{ref="8" data="citationList"}
版本冲突：
使用新虚拟环境隔离依赖
检查CUDA与PyTorch版本兼容性
完整环境依赖：
NVIDIA驱动 ≥520.61.05
CUDA Toolkit 11.8
cuDNN ≥8.x
Python 3.8~3.