RTX5060显卡torch和torch_radon库安装避坑指南（仅linux系统）

如果是windows系统的小伙伴们可以使用Windows下的linux子系统wsl，其安装教程链接为b站这位大佬的，可以给佬点点赞：【WSL2超详细安装教程！全程安装到非系统盘，彻底解放C盘｜AI开发必备】 https://www.bilibili.com/video/BV1zC5X69EyS/?share_source=copy_web\&vd_source=ef1e465101dff34017c032a7246ac79a

1.miniconda安装教程

1.miniconda下载链接：Download Success | Anaconda，选择下图中的Miniconda进行下载，我选的x86

2.把这个安装包放到自己指定的目录下，并在该目录下打开终端，输入以下命令：

bash 复制代码

bash Miniconda3-latest-Linux-x86_64.sh

3.过程中先yes，然后ENTER，最后一步询问先yes再ENTER

4.输入以下命令，conda就配置好了

bash 复制代码

source ~/.bashrc

5.对conda的channels进行换源，输入以下命令打开.condarc文件

bash 复制代码

nano ~/.condarc

6.将以下内容黏贴到该文件，点击ctrl+x，再点击y，再ENTER：

bash 复制代码

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  - defaults
show_channel_urls: true

2.创建并配置新的虚拟环境

1.先输入以下命令创建新环境，我将其命名为ct，python版本为3.10，大家可以想其他名字，而且python版本最好不要低于3.10，然后出现 $y/n$ 点y就行

bash 复制代码

conda create -n ct python=3.10

2.给conda安装pip包，输入以下命令

bash 复制代码

conda install pip

3.大坑来了！！大家千万不要使用conda来安装torch和torchvision，直接使用pip，并且要带上torch和torchvision的版本号**，此处我选用的是torch==2.12.0，torchvision==0.27.0，为啥不能用conda，因为torch和torchvision的dev号间隔了一天，所以直接使用conda会有问题**

bash 复制代码

pip install -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com torch==2.12.0 torchvision==0.27.0

4.torch_radon安装：这一步同样容易出错，很多人直接pip install，这是错误的，pypi版本的由于没有积极维护，RTX5060无法兼容，所以需要使用carterbox-torch-radon，输入以下命令即可：carterbox-torch-radon - conda-forge | Anaconda.org

bash 复制代码

conda install conda-forge::carterbox-torch-radon

5.然后使用命令测试看torch_radon是否安装成功以及cuda能否使用：

python 复制代码

import torch
import torch_radon as tr
import numpy as np

DEVICE = torch.device("cuda")

print("Torch:", torch.__version__)
print("CUDA:", torch.cuda.is_available())

IMG_SIZE = 256
N_ANGLES = 180

img = np.random.rand(IMG_SIZE, IMG_SIZE).astype(np.float32)

img_tensor = (
    torch.from_numpy(img)
    .unsqueeze(0)
    .unsqueeze(0)
    .to(DEVICE)
)

angles = torch.linspace(
    0,
    np.pi,
    N_ANGLES,
    device=DEVICE
)

radon = tr.ParallelBeam(
    IMG_SIZE,
    angles
)

print("Forward ...")

sinogram = radon.forward(img_tensor)

print("Sinogram shape:", sinogram.shape)
print("Device:", sinogram.device)

print("Backward ...")

recon = radon.backward(sinogram)

print("Recon shape:", recon.shape)
print("Device:", recon.device)

print("SUCCESS")