[Pytorch] - No.1 Ubuntu 安装Anaconda 和 Pytorch

本文详细介绍了如何下载和安装Anaconda,并配置清华镜像源,最后演示了如何使用Anaconda安装Pytorch。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

下载 Anaconda

我选择的是Python3.6的Anaconda,[Anaconda官方下载地址(https://www.anaconda.com/download/)
这里写图片描述

安装Anaconda

切换到Anaconda安装包目录,使用bash运行该sh文件

bash Anaconda3-5.0.1-Linux-x86_64.sh

如下图所示
这里写图片描述
一直按ENTER,直到提示输入yes,输入yes
这里写图片描述
回车确认安装,等待安装结束,如下所示
这里写图片描述
输入yes,确认将Anaconda加入环境变量。安装完成
关闭当前terminal,打开新terminal并输入

anaconda -V

如下所示,Anaconda安装成功
这里写图片描述

设置Anaconda Python为系统默认Python

在terminal中输入python,如果仍然是ubuntu自带python 这是因为.bashrc更新还没有生效,可以尝试输入

source ~/.bashrc

最终,输入python,显示Anaconda版本python
这里写图片描述

Anaconda添加清华镜像

Conda默认的镜像源国内访问可能比较慢。我们修改Anaconda的镜像为国内清华的镜像

conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config –set show_channel_urls yes
conda info

运行命令,即可看到清华镜像源已经被添加进去。
这里写图片描述

Pytorch 安装

访问Pytorch官网,按照自己硬件环境选择Pytorch版本。

这里写图片描述
由于我们使用Anaconda安装,所以包管理选择conda。
复制命令到terminal,输入y,直接安装
这里写图片描述
安装成功以后,在terminal中启动python,输入以下命令:

import torch

没有错误即成功安装

### 配置支持GPU的PyTorch环境 #### 安装NVIDIA驱动程序 为了使GPU能够被识别并用于加速计算,在Ubuntu系统中需先卸载旧有的显卡驱动,并重新安装最新的官方推荐版本[^1]。 ```bash sudo apt-get purge nvidia* sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update ubuntu-driver devices ``` 选择合适的专有驱动进行安装: ```bash sudo ubuntu-drivers autoinstall ``` 重启计算机以应用更改后的驱动设置。 #### 安装CUDA Toolkit而不更新现有驱动 当准备就绪后,下载对应于目标系统的CUDA工具包。注意仅安装CUDA Toolkit部分而跳过其中包含的新版驱动组件以防冲突[^3]。 对于特定版本如CUDA 11.1: ```bash wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run chmod +x cuda_11.1.1_455.32.00_linux.run sudo ./cuda_11.1.1_455.32.00_linux.run --toolkit-only ``` 完成上述操作之后记得将`$PATH``$LD_LIBRARY_PATH`环境变量指向新安装好的CUDA路径下。 编辑~/.bashrc文件添加如下两行到末尾处: ```bash export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 让修改生效: ```bash source ~/.bashrc ``` 验证安装成功与否可以通过运行nvcc命令查看编译器版本号来确认。 #### 创建Anaconda虚拟环境并与之匹配相应库依赖关系 考虑到不同项目可能需要不同的Python解释器及其扩展模块组合形式,建议利用Conda创建独立的工作空间以便管理这些差异化的需求[^2]。 建立新的隔离化开发区域: ```bash conda create --name pytorch_env python=3.9 -y conda activate pytorch_env ``` 接着依据所使用的CUDA版本挑选恰当预构建二进制分发包来进行快速部署: ```bash pip install torch torchvision torchaudio cudatoolkit=11.1 -f https://download.pytorch.org/whl/torch_stable.html ``` 至此整个流程结束,现在应该可以在该环境中正常使用带有GPU加速特性的PyTorch框架了!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值