pytorch gpu安装 ubuntu

### 安装支持GPU的PyTorch

#### 重装显卡驱动
对于Ubuntu系统，在安装支持GPU的PyTorch之前，确保系统的NVIDIA显卡驱动已正确安装至关重要。如果默认安装未能使`nvidia-smi`命令正常工作，则需重新安装合适的显卡驱动程序[^3]。

为了找到适合当前硬件的最佳驱动版本，可以在终端执行如下命令来获取建议：

ubuntu-drivers devices

这一步骤有助于避免因不兼容而导致的问题，并能提高后续软件栈的整体稳定性与性能表现。

#### 配置CUDA和cuDNN
根据现有资料，推荐使用的CUDA版本为11.7以及对应的cuDNN版本8.9[^2]。这些工具包提供了必要的库文件和支持功能，使得深度学习框架能够充分利用图形处理器的能力加速计算过程。

- **下载并安装CUDA Toolkit**

访问[NVIDIA官方网站](https://developer.nvidia.com/cuda-downloads)，选择对应的操作系统（Linux）、发行版（Ubuntu）及其具体版本号后按照指引完成安装流程。

- **设置环境变量**

安装完成后应适当调整PATH及LD_LIBRARY_PATH路径以便于访问新加入的开发资源：

  export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
  export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

- **验证安装情况**

使用nvcc编译器测试是否成功加载了正确的CUDA版本：

  nvcc --version

#### Miniconda安装与管理虚拟环境
考虑到Python依赖项管理和隔离的需求，采用Miniconda作为轻量级解决方案被广泛接受。通过它创建专门用于机器学习项目的独立运行空间可以有效减少冲突风险。

- 下载适用于Linux平台的最新Miniconda安装脚本并启动安装向导：

  wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
  bash Miniconda3-latest-Linux-x86_64.sh

- 创建新的conda环境并将pytorch及相关组件纳入其中：

  conda create -n pytorch_env python=3.9
  conda activate pytorch_env
  pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

上述操作将基于指定条件构建一个完整的PyTorch GPU支持环境，从而让用户能够在Ubuntu平台上顺利开展相关研究或应用开发活动。