Ubuntu22.04中通过conda快速部署PyTorch开发环境（CPU/GPU双版本实战）

1. 为什么选择Conda来管理你的PyTorch环境？

如果你刚开始接触深度学习，或者刚从其他开发领域转过来，面对Ubuntu系统上安装PyTorch这件事，可能会有点懵。网上教程五花八门，有让你用pip装的，有让你从源码编译的，还有让你手动安装CUDA、cuDNN一大堆依赖的。我刚开始那会儿，就被这些步骤折腾得够呛，经常因为版本不兼容或者环境冲突，导致项目跑不起来，一查就是大半天。

后来我几乎在所有项目里都换成了Conda，因为它真的能帮你省下大把折腾环境的时间。你可以把Conda理解成一个“超级管家”。想象一下，你家里（也就是你的电脑）要招待不同的客人（不同的项目），有的客人喜欢Python 3.8，有的项目必须用Python 3.11；有的需要PyTorch 1.13，有的又指定了PyTorch 2.1。如果让他们都在客厅（系统环境）里活动，那肯定会乱套，饮料杯子都分不清是谁的。Conda的作用就是给每位客人准备一个独立的房间（虚拟环境），房间里的一切——从Python解释器到PyTorch，再到各种细小的库——都是为这位客人量身定制的，互不干扰。你想用哪个环境，就进哪个房间，切换起来非常方便。

特别是在处理GPU版本时，Conda的优势就更明显了。PyTorch的GPU版本需要和NVIDIA的CUDA工具包、cuDNN深度神经网络库精确匹配。手动安装这些，就像玩一个高难度的拼图，错一个版本号可能就前功尽弃。而Conda能帮你一次性搞定所有兼容的依赖。它会自动分析，告诉你“要安装PyTorch 2.1.0 GPU版，需要搭配CUDA 11.8和cuDNN 8.x”，然后一股脑儿全给你装好，保证它们之间能完美协作。我自己就曾经为了一个老项目，手动降级CUDA，结果把新项目的环境搞崩了，最后还是靠Conda创建独立环境解决的。

所以，无论你是刚入门的小白，还是需要同时维护多个项目的开发者，在Ubuntu 22.04上，通过Conda来部署PyTorch，都是最稳妥、最高效的起点。它能让你把精力集中在模型设计和代码编写上，而不是没完没了地解决环境问题。

2. 战前准备：检查你的Ubuntu“装备”

在开始安装之前，我们得先摸清自己电脑的“家底”。这就像打仗前要清点兵马粮草一样，确保你的系统满足基本条件，后面才能一路顺畅。这里主要看三样东西：系统版本、显卡驱动和Conda本身。

首先，确认一下你的Ubuntu版本是不是22.04。打开终端（快捷键 Ctrl+Alt+T），输入下面这条命令：

lsb_release -a

你会看到类似这样的输出：

No LSB modules are available.
Distributor ID: Ubuntu
Description:    Ubuntu 22.04.3 LTS
Release:        22.04
Codename:       jammy

重点看 Description 和 Release 这两行，确认是 Ubuntu 22.04 LTS。LTS代表长期支持版，比较稳定，我们推荐使用。如果你的版本不对，后面的一些命令和库可能会不兼容。

接下来，如果你打算安装GPU版本的PyTorch（想让模型训练速度飞起来，这个几乎是必选项），那么必须检查NVIDIA显卡驱动和CUDA能力。在终端输入：

nvidia-smi

这个命令是NVIDIA系统管理接口。如果它成功运行并输出一大张表格，那恭喜你，驱动已经装好了。你需要特别关注右上角的两行信息：

• Driver Version：这是你的NVIDIA驱动版本，比如 535.154.05。
• CUDA Version：这里显示的是此驱动支持的最高CUDA版本，比如 12.2。注意，这不是你系统里已经安装的CUDA，只是驱动能兼容的版本上限。这意味着你可以安装不高于此版本的CUDA工具包。

如果命令报错，提示“command not found”，那说明你还没安装NVIDIA驱动。别担心，在Ubuntu 22.04上安装驱动现在很简单。你可以打开“软件和更新”应用，切换到“附加驱动”标签页，系统会自动检测并推荐一个专有驱动，选择它并应用更改即可。或者，对于喜欢命令行的朋友，可以用 ubuntu-drivers devices 查看推荐驱动，然后用 sudo apt install nvidia-driver-535（版本号根据推荐来）进行安装。安装后记得重启电脑。

最后，检查Conda是否已经就位：

conda --version

如果显示了版本号（比如 conda 23.11.0），那么可以跳过下一节的安装步骤。如果提示未找到命令，说明你还需要安装Miniconda。别被它的名字吓到，它其实就是Anaconda的一个轻量版，只包含Conda、Python和一些核心包，足够我们使用，比完整的Anaconda节省很多磁盘空间。