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，主要包括以下几个步骤：

✅ 一、系统准备

1. 更新系统

sudo apt update && sudo apt upgrade -y

2. 安装必要的工具

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

✅ 二、安装 Python 环境（推荐使用虚拟环境）

1. 创建虚拟环境（可选但强烈推荐）

python3 -m venv pytorch_env
source pytorch_env/bin/activate

2. 升级 pip

pip install --upgrade pip

✅ 三、安装 NVIDIA 驱动（如使用 GPU）

若你有 NVIDIA 显卡并希望使用 CUDA X_X，请先确认驱动。

1. 查看显卡型号

lspci | grep -i nvidia

2. 添加官方显卡 PPA 并安装驱动

sudo add-apt-repository ppa:graphics-drivers/ppa -y
sudo apt update

3. 推荐使用 ubuntu-drivers 自动选择合适驱动

ubuntu-drivers devices
sudo ubuntu-drivers autoinstall

或手动安装（例如）：

sudo apt install -y nvidia-driver-535  # 或更高版本

⚠️ 安装完成后重启：

sudo reboot

4. 验证驱动安装

nvidia-smi

应看到 GPU 信息和驱动版本。

✅ 四、安装 CUDA Toolkit 和 cuDNN（可选：PyTorch 可自带 CUDA）

注意：从 PyTorch 1.12 起，官方通过 pip 提供了包含 CUDA 的预编译包，通常 无需单独安装 CUDA Toolkit。除非你要开发 CUDA 扩展，否则跳过此步。

若你需要完整 CUDA 开发环境：

方法一：通过 NVIDIA 官方安装 CUDA

# 下载 CUDA Toolkit 12.x for Ubuntu 22.04/20.04 (兼容 24.04)
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt update
sudo apt install -y cuda-toolkit-12-4

添加环境变量到 ~/.bashrc：

echo 'export PATH=/usr/local/cuda-12.4/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

方法二：cuDNN（需注册 NVIDIA 开发者）

参考：https://docs.nvidia.com/deeplearning/cudnn/install-guide/

✅ 五、安装 PyTorch

方式一：使用 pip（推荐，最简单）

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

安装 PyTorch（含 CUDA 支持）

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

注：cu121 表示 CUDA 12.1，PyTorch 使用的是内部封装的 CUDA 运行时，与系统 CUDA 版本可以不完全一致（只要驱动支持即可）。

如果只用 CPU

pip install torch torchvision torchaudio

✅ 六、验证安装

1. 启动 Python

python3

2. 测试 PyTorch 和 GPU 支持

import torch

print("PyTorch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())
print("CUDA version:", torch.version.cuda)
print("Number of GPUs:", torch.cuda.device_count())

if torch.cuda.is_available():
    print("Current GPU:", torch.cuda.get_device_name(0))

预期输出：

PyTorch version: 2.3.0+cu121
CUDA available: True
CUDA version: 12.1
Number of GPUs: 1
Current GPU: NVIDIA GeForce RTX 3070

✅ 七、（可选）安装 Jupyter Notebook / VS Code

安装 Jupyter

pip install jupyter notebook
jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser --allow-root

安装常用深度学习库

pip install numpy pandas matplotlib scikit-learn tqdm tensorboard

✅ 八、常见问题排查

✅ 总结：完整脚本（快速部署）

# 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

# 3. 创建虚拟环境
python3 -m venv pytorch_env
source pytorch_env/bin/activate

# 4. 升级 pip
pip install --upgrade pip

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

# 6. 验证
python3 -c "import torch; print(f'PyTorch: {torch.__version__}, CUDA: {torch.cuda.is_available()}')"

如有特殊需求（如使用 Conda、Docker、多版本管理等），可进一步扩展说明。

需要我提供 Conda 版本 或 Docker 镜像方案 吗？