pytorch安装教程gpu linux

### PyTorch GPU 版本在 Linux 系统上的安装教程 #### 1. 安装 Miniconda 或 Anaconda 为了简化依赖管理并确保兼容性，建议使用 Conda 虚拟环境来安装 PyTorch 和其相关库。如果尚未安装 Miniconda，则可以通过以下命令完成安装： 下载 Miniconda 的脚本文件： ```bash wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh ``` 执行安装脚本： ```bash bash Miniconda3-latest-Linux-x86_64.sh ``` 此过程会引导用户完成安装设置[^2]。 #### 2. 创建 Conda 虚拟环境 创建一个新的 Conda 虚拟环境以隔离不同项目的依赖关系。例如，可以命名为 `torch_env` 并指定 Python 版本为 3.9： ```bash conda create -n torch_env python=3.9 ``` 激活该虚拟环境： ```bash conda activate torch_env ``` #### 3. 安装 PyTorch 及其依赖项 通过 Conda 渠道安装特定版本的 PyTorch、TorchVision 和 TorchAudio 库，并确保它们与 NVIDIA CUDA 工具包匹配。以下是具体命令： ```bash conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia ``` 上述命令将安装 PyTorch 2.1.0 版本以及对应的 CUDA 12.1 支持[^1]。 #### 4. 验证 GPU 是否可用 验证当前环境中是否成功启用了 GPU 加速功能。可以在 Python 解释器中运行以下代码片段测试： ```python import torch print(torch.cuda.is_available()) # 如果返回 True 则表示已启用 GPU print(torch.version.cuda) # 显示所使用的 CUDA 版本号 ``` #### 5. 提交作业至集群 (可选) 对于需要提交到高性能计算集群的任务，需编写 SLURM 批处理脚本来调度资源分配。例如，在 `/home/user/project_folder` 文件夹下新建一个名为 `run_job.sh` 的 Shell 脚本，内容如下所示： ```bash #!/bin/bash #SBATCH -J my_pytorch_job # Job name #SBATCH -p gpunode.q # Partition to submit the job into #SBATCH -n 1 # Number of tasks per node #SBATCH -N 1 # Total number of nodes requested #SBATCH --ntasks-per-node=1 # Tasks per node #SBATCH -o output_%j.out # Output file pattern with job ID (%j) module load cuda/12.1 # Load required modules for GPU usage source ~/miniconda3/bin/activate torch_env # Activate your conda environment cd /home/user/project_folder # Navigate to project directory srun python script.py # Run the main program or training script ``` 之后可通过 sbatch 命令提交任务给队列管理系统[^3]。 ---