NVIDIA 驱动(550版本)成功安装后安装支持 GPU 加速的 PyTorch

重要提示: 在 Linux 上安装 PyTorch 时,不需要 单独安装系统级的 CUDA Toolkit(如 sudo apt install nvidia-cuda-toolkit)。PyTorch 的安装包(pip/conda)会自带它所需的 CUDA 运行时库。你只需要确保安装的 PyTorch 版本与你当前的驱动版本兼容即可。

以下是针对你当前环境(Ubuntu + NVIDIA Driver 550)的最佳安装方案:

推荐方案:使用 pip 安装(最通用)

NVIDIA 550 驱动支持最新的 CUDA 12.x 版本。建议直接安装 CUDA 12.1 或 CUDA 11.8 版本的 PyTorch。

创建虚拟环境(强烈推荐)

为了避免污染系统 Python 环境,请先创建一个隔离环境:

bash 复制代码
# 创建名为 pytorch_env 的环境
python3 -m venv pytorch_env

# 激活环境
source pytorch_env/bin/activate
执行安装命令

访问 PyTorch 官网获取最新命令,或直接使用以下经过验证的命令(适用于 CUDA 12.1,兼容性最好):

bash 复制代码
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

如果你需要更稳定的旧版 CUDA 11.8 支持:

bash 复制代码
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

###*q

如果你习惯使用 Anaconda/Miniconda,Conda 会自动处理底层的 CUDA 依赖,通常比 pip 更省心:

bash 复制代码
# 创建环境并指定 python 版本
conda create -n pytorch_env python=3.10
conda activate pytorch_env

# 安装 PyTorch (CUDA 12.1 版本)
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

验证安装是否成功

安装完成后,务必在 Python 中运行以下代码来确认 GPU 是否可用:

python 复制代码
import torch

# 1. 检查 PyTorch 版本
print(f"PyTorch Version: {torch.__version__}")

# 2. 检查 CUDA 是否可用
print(f"CUDA Available: {torch.cuda.is_available()}")

# 3. 查看显卡信息
if torch.cuda.is_available():
    print(f"GPU Name: {torch.cuda.get_device_name(0)}")
    print(f"CUDA Version (compiled with): {torch.version.cuda}")
else:
    print("错误:无法检测到 GPU,请检查驱动或重新安装 PyTorch")

常见问题排查

  • 下载速度慢 :如果从官方源下载太慢,可以使用清华镜像源(仅适用于 pip):

    bash 复制代码
    pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple --extra-index-url https://download.pytorch.org/whl/cu121
  • 报错 "No matching distribution":这通常是因为你的 Python 版本过高(如 3.13)或过低。建议使用 Python 3.8 - 3.11 版本。

  • torch.cuda.is_available() 返回 False :虽然 nvidia-smi 正常,但 PyTorch 仍可能找不到驱动。这通常是因为安装了 CPU 版本的 PyTorch(即没有带 +cu121 后缀)。请卸载后重新按上述命令安装。
    ype "help", "copyright", "credits" or "license" for more information.

import torch

Traceback (most recent call last):

File "", line 1, in

File "/root/miniconda3/envs/pytorch_env/lib/python3.12/site-packages/torch/init .py", line 367, in

from torch._C import * # noqa: F403

^^^^^^^^^^^^^^^^^^^^^^

ImportError: /root/miniconda3/envs/pytorch_env/lib/python3.12/site-packages/torch/lib/libtorch_cpu.so: undefined symbol: iJIT_NotifyEvent

这个错误是因为 Conda 自动将 MKL(Intel 数学核心库)升级到了 2024.1 或更高版本,而新版移除了 PyTorch 依赖的符号。

别担心,这个问题有明确的解决办法。你可以按照以下方案来修复:

方案一:降级 MKL 版本(最快捷)

既然问题出在 MKL 版本过高,我们只需将其降级到兼容的版本即可。请在命令行中执行以下命令:

conda install mkl=2024.0

注:如果提示找不到该特定版本,可以退而求其次使用 conda install mkl=2023.1.0,同样能解决此问题。

相关推荐
chh56310 小时前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
TomEval10 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
prince_zxill11 小时前
PEP 751 pylock.toml 实测:pip 26.3 装 6 个包版本全钉死,但 [web] 选不中任何东西
python·pip·依赖管理·pep 751
ZhengEnCi11 小时前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
一只爱撸猫的程序猿11 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
GitCode官方12 小时前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI13 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
Thanks_ks13 小时前
Python 的垃圾回收——引用计数撑起日常,分代回收收拾残局
python·内存管理·垃圾回收·循环引用·引用计数·gc 模块·weakref
CyrusYiVPP13 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷13 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm