手把手教你在linux上安装pytorch与cuda

预先说明

1. pytorch在使用GPU的时候需要用到cuda toolkit，该工具是软件与硬件的桥梁。
2. cuda有两个意思，一个是运行时cuda（cuda toolkit），一个是驱动器cuda（cuda driver）。通常我们的服务器上已经安装过了cuda driver，一般不需要再重新安装，所以本文所安装的cuda指的是安装运行时cuda，即cuda toolkit。

找到pytorch、python、cuda的版本对应关系

一般我们会根据深度学习项目的环境需求先定下来pytorch的版本，比如chatglm系列要求pytorch>=2.0.0，那么我们就需要根据该要求根据下表找到与之对应的python与cuda的对应版本。

这里我们选择安装pytorch2.0.1、python3.9、cuda11.7。
还有一个重要的点是安装的cuda toolkit版本不能超过cuda driver的版本，cuda driver的版本通过nvidia-smi命令查看，下图的右上角即是服务器的cuda驱动版本（12.2），这里我们安装的11.7的cuda toolkit满足要求。

新建conda虚拟环境（可选）

这一步不是必要的，但请确保已经安装了正确版本的python。
这里我们新建一个conda虚拟环境，名为pytorch2.0，顺带安装3.9版本的python。

# 创建虚拟环境
conda create -n pytorch2.0 python=3.9
# 安装过程中选择y确定安装python，安装完后激活该虚拟环境
conda activate pytorch2.0

至此虚拟环境已建好，python已经安装完成。

安装cuda（cuda toolkit）

下载cuda toolkit安装包

cuda toolkit安装包官网地址

1. 进入cuda官网，选择11.7版本的cuda toolkit。
   

2. 根据自己系统的版本信息进行选择：
   
   下载安装包：

# 通过wget下载安装包
wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda_11.7.1_515.65.01_linux.run
# 也可以用浏览器访问上面的网址，先下载到本地，然后再传到服务器上

安装cuda toolkit

一般网上的教程安装都是用sudo命令，但是对于非管理员用户，我们可以通过更改安装目录避免使用sudo命令。

1. 找到cuda toolkit安装包的位置，然后使用如下命令安装：
   
2. 等待一段时间（半分钟左右），终端会弹出cuda的安装界面。
   
3. 输入accept，表示接受协议。
4. 用回车键取消除cuda toolkit外的所有安装选项。
   
5. 回车进入options，再进入toolkit options，把里边所有选项都取消，然后进入change toolkit install path，更改为自定义的非管理区的路径，回车表示完成，回车Done。
   
   
   
6. 再进入options下的Library install path，修改同样的路径。
   
   
7. Options Done后，回车install开始安装cuda toolkit。
   
8. 出现如下信息表示cuda toolkit已经安装到指定的位置，根据信息提示，我们需要配置环境变量。
   

# 配置用户环境变量
vim ~/.bashrc

# 在该文件的最末尾添加两行
export PATH=/path/to/cuda-11.7/bin:$PATH
export LD_LIBRARY_PATH=/path/to/cuda-11.7/lib64:$LD_LIBRARY_PATH

# :wq保存文件，source命令更新用户环境
source ~/.bashrc

至此，cuda toolkit11.7已经安装完毕，输入nvcc -V命令，安装成功会显示如下信息：

当我们要更换其他版本的cuda toolkit的时候，只需要按照同样的流程走下来，然后修改环境变量就好。

安装pytorch

先用conda在线安装pytorch（大概率是cpu版本）

1. 先配置conda清华镜像源，打开~/.condarc文件(没有的话自己创建一个)，将如下内容复制到该文件中：

channels:
  - defaults
show_channel_urls: true
channel_alias: http://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
custom_channels:
  conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

2. 用conda搜索可用的pytorch版本，确保想要的版本存在，然后用conda安装指定版本的pytorch：

# 搜索可用的pytorch版本
conda search pytorch

3. 使用conda在线安装pytorch2.0.1，注意此时conda会优先安装cpu版本的pytorch。

# conda在线安装pytorch（大概率是cpu版本的，先安装，之后我们用gpu版本的覆盖）
conda install pytorch=2.0.1

再手动安装gpu版本的pytorch

清华大学pytorch镜像地址

1. 到清华镜像中找到我们需要的gpu版本的pytorch安装包。
   
2. 可以右键复制该安装包的链接，通过如下命令下载安装包：

# wget下载pytorch安装包
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/pytorch-2.0.1-py3.9_cuda11.7_cudnn8.5.0_0.tar.bz2

3. 下载完成后，找到gpu版本的pytorch安装包所在目录，输入如下命令安装，这个过程会覆盖掉之前安装的cpu版本的pytorch：

cd pytorch安装包下载的目录
conda install --offline pytorch-2.0.1-py3.9_cuda11.7_cudnn8.5.0_0.tar.bz2

4. 至此，pytorch2.0.1已安装完毕，下面验证pytorch能否成功使用gpu(cuda)，输入torch.cuda.is_available()返回true表示pytorch和cuda适配成功。