ubuntu 20.04 anaconda安装 cuda pytorch 安装
时间: 2025-05-01 21:04:48 浏览: 24
### 使用 Anaconda 在 Ubuntu 20.04 上安装 CUDA 和 PyTorch
#### 准备工作
确保已经成功安装了Anaconda3,并且能够正常启动,这可以通过终端中出现的`(base)`字样来确认[^2]。
#### 创建新的 Conda 环境并指定 Python 版本
为了更好地管理依赖关系以及避免不同项目之间的冲突,建议创建一个新的Conda环境而不是直接在基础环境中进行操作。这里选择Python 3.8作为目标版本:
```bash
conda create --name pytorch_env python=3.8
```
激活新创建的环境:
```bash
conda activate pytorch_env
```
#### 安装必要的库和工具
对于深度学习应用来说,除了PyTorch本身外,还需要一些常用的科学计算包如NumPy等。可以一次性完成这些软件包的安装:
```bash
conda install numpy mkl cffi
```
#### 安装 CUDA 工具包
考虑到兼容性和性能优化的需求,在安装PyTorch之前应该先准备好合适的CUDA版本。由于具体的CUDA版本取决于硬件支持情况和个人需求,因此推荐访问[NVIDIA官方文档](https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html)获取最新指导信息。假设要安装特定版本(比如CUDA 11.x),则可按照以下方式操作:
下载对应版本的CUDA Toolkit压缩包后解压到合适位置,接着将CUDNN头文件与共享对象复制至系统路径下:
```bash
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
```
注意:上述命令中的`cuda`应替换为你实际解压后的目录名称;如果使用的是其他版本号,则需相应调整路径中的版本部分[^4]。
#### 安装 PyTorch 并配置 GPU 支持
最后一步就是安装带有GPU加速功能的PyTorch框架。根据个人偏好可以选择稳定版或是预览版,此处以稳定版为例展示具体做法:
```bash
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
```
此命令会自动解析并拉取所需的全部组件,包括但不限于PyTorch核心模块、图像处理扩展视图(TorchVision),音频信号处理插件(Torchaudio),还有匹配好的CUDA运行时环境(CUDA Tookit)。
验证安装成果:
一旦所有过程顺利完成之后,就可以通过简单的测试脚本来检验是否一切正常运作了。新建一个名为test_cuda.py 的Python 文件,内容如下所示:
```python
import torch
print(f"CUDA Available: {torch.cuda.is_available()}")
if torch.cuda.is_available():
device = 'cuda'
else:
device = 'cpu'
tensor_example = torch.tensor([1., 2., 3.], device=device)
print(tensor_example)
```
保存该文件并通过命令行执行它(`python test_cuda.py`),观察输出结果即可判断整个流程是否有误。
阅读全文
相关推荐


















