在Ubuntu 24.04 LTS上如何正确安装PyTorch用于深度学习开发？-PHPWP博客

在 Ubuntu 24.04 LTS 上正确安装 PyTorch（推荐使用 CUDA 提速版本，兼顾性能与兼容性），请按以下步骤操作。Ubuntu 24.04 默认搭载较新的内核（6.8+）、GCC 13 和 Python 3.12，需特别注意 PyTorch 官方支持状态和 CUDA 兼容性。

✅ 截至 2024 年 7 月的推荐方案：
PyTorch 2.3+ 已官方支持 Ubuntu 24.04（含 Python 3.12），且支持 CUDA 12.1/12.4（推荐 CUDA 12.1，稳定性最佳）。NVIDIA 驱动需 ≥ 535（推荐 535.129.03 或更新）。

✅ 步骤 1：确认系统环境与 NVIDIA 驱动

# 检查 Ubuntu 版本（应为 24.04）
lsb_release -a

# 检查 GPU 和驱动（必须！无 GPU 可跳过 CUDA 步骤，用 CPU 版）
nvidia-smi
# ✅ 若报错 "NVIDIA-SMI has failed" → 需先安装官方驱动（见下方小节）

# 检查 Python（Ubuntu 24.04 默认为 3.12）
python3 --version  # 应为 Python 3.12.x

⚠️ 若 nvidia-smi 不工作（无驱动）：

# 添加官方图形驱动 PPA（推荐）
sudo apt update && sudo apt install -y software-properties-common
sudo add-apt-repository ppa:graphics-drivers/ppa -y
sudo apt update
# 推荐安装驱动（自动选择稳定版，如 535）
sudo ubuntu-drivers autoinstall
sudo reboot

✅ 步骤 2：安装 CUDA Toolkit（可选但强烈推荐）

Ubuntu 24.04 的 nvidia-cuda-toolkit 包（来自仓库）不完整且版本旧（12.0），不推荐使用。应使用 NVIDIA 官方 .deb (network) 方式安装 CUDA 12.1（PyTorch 2.3 官方预编译包所依赖）：

# 下载 CUDA 12.1（兼容 Ubuntu 24.04 + kernel 6.8）
wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1_530.30.02_linux.run
sudo sh cuda_12.1.1_530.30.02_linux.run

# ⚠️ 安装时：取消勾选 "NVIDIA Driver"（避免覆盖已装驱动！只勾选 CUDA Toolkit & Samples）
# 安装路径默认 `/usr/local/cuda-12.1`

✅ 配置环境变量（添加到 ~/.bashrc 或 ~/.zshrc）：

echo 'export PATH=/usr/local/cuda-12.1/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
nvcc --version  # 应输出 12.1.112

💡 提示：PyTorch 2.3+ 预编译二进制已内置 libcudnn.so.8，无需单独安装 cuDNN（除非你需高级功能）。

✅ 步骤 3：创建虚拟环境（强烈推荐）

避免污染系统 Python：

sudo apt install -y python3-venv python3-pip
python3 -m venv ~/torch-env
source ~/torch-env/bin/activate
pip install -U pip  # 升级 pip 至最新

✅ 步骤 4：安装 PyTorch（官方推荐命令）

访问 https://pytorch.org/get-started/locally/ → 选择：

OS: Linux
Package: Pip
Language: Python
CUDA: 12.1（⚠️ 不要选 12.4 —— PyTorch 2.3 尚未提供官方 12.4 预编译包）

👉 执行生成的命令（2024年7月有效）：

# ✅ PyTorch 2.3.1 + CUDA 12.1（最稳定组合）
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

✅ 验证安装：

python3 -c "
import torch
print(f'PyTorch {torch.__version__}')
print(f'GPU available: {torch.cuda.is_available()}')
if torch.cuda.is_available():
    print(f'GPU count: {torch.cuda.device_count()}')
    print(f'Current device: {torch.cuda.get_device_name(0)}')
"

✅ 输出应类似：

PyTorch 2.3.1+cu121
GPU available: True
GPU count: 1
Current device: NVIDIA RTX 4090

🧩 可选增强（提升开发体验）

# 安装常用科学计算库
pip install numpy pandas matplotlib scikit-learn jupyter

# 安装 PyTorch Lightning（推荐用于工程化训练）
pip install lightning

# 安装 Hugging Face Transformers（NLP 必备）
pip install transformers datasets accelerate

# （可选）启用 PyTorch 编译优化（需 GCC 13+，Ubuntu 24.04 自带）
export TORCH_CUDA_ARCH_LIST="8.6"  # 如 RTX 30/40 系列（Ampere/Ada）

❌ 常见错误与避坑指南

问题	原因	解决
`torch.cuda.is_available() == False`	驱动版本过低 / CUDA 路径未配置 / 显卡不支持 CUDA	`nvidia-smi` 查驱动；`nvcc -V` 查 CUDA；检查 `LD_LIBRARY_PATH`
`ImportError: libcudnn.so.8: cannot open shared object file`	cuDNN 缺失（但 PyTorch 2.3+ 已静态链接，极少发生）	一般无需处理；若真缺失，从 NVIDIA 下载 cuDNN 8.9.7 for CUDA 12.1
`pip install torch` 安装了 CPU 版	未指定 index-url，pip 降级到 CPU 版	务必使用 `--index-url https://download.pytorch.org/whl/cu121`
`No module named 'torch'` 在系统 Python 中	忘记 `source ~/torch-env/bin/activate`	激活虚拟环境后再运行 Python

🌐 无 GPU？安装 CPU 版（仅开发/测试用）

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

⚠️ 注意：CPU 版速度极慢，不适用于实际模型训练，仅用于代码调试或轻量推理。

如需进一步支持（如 Docker 部署、Conda 方案、或自编译 PyTorch），欢迎继续提问！🚀