一、操作系统基础要求
PyTorch支持基于Debian的发行版（如Ubuntu、Debian本身），需确保系统为较新版本（如Ubuntu 18.04及以上、Debian 9及以上），以兼容最新的软件包和依赖。
二、硬件资源需求
- CPU：普通x86_64架构CPU（如Intel Core i5/i7、AMD Ryzen 5/7）即可满足基础需求；若需加速CPU计算，建议选择多核（≥4核）处理器。
- GPU（可选，但强烈推荐用于深度学习）：需为NVIDIA显卡（支持CUDA架构），如GTX 1050及以上消费级显卡、T4及以上专业显卡。显卡显存需满足模型需求（如ResNet-50训练需≥8GB显存，大型语言模型如Llama 3需≥16GB显存）。
- 内存（RAM）：
- 基础使用（如小型模型推理、数据预处理）：至少4GB；
- 中等规模训练（如CIFAR-10分类）：建议8GB及以上；
- 大规模深度学习（如BERT训练、大型语言模型微调）：需16GB及以上，以避免内存瓶颈。
- 存储空间：
- PyTorch安装包及依赖：约2-5GB；
- 数据集与模型存储：需预留足够空间（如ImageNet数据集约150GB，Llama 3模型约50GB）；
- 推荐使用SSD（尤其是NVMe SSD），以提升数据加载和模型训练速度。
三、软件依赖要求
- Python环境：需安装Python 3.8及以上版本（推荐Python 3.9或3.10），建议使用
venv或conda创建虚拟环境，隔离项目依赖。 - 包管理工具：需安装
pip（Python包管理器）或conda（Anaconda/Miniconda），用于安装PyTorch及依赖。 - 系统依赖：需安装以下Debian系统依赖包，用于编译PyTorch源码或支持相关功能：
sudo apt update sudo apt install -y build-essential cmake git libopenblas-dev liblapack-dev libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev libswscale-dev python3-dev python3-pip
这些依赖包涵盖编译工具、线性代数库、图像/视频处理库及Python开发工具。 - CUDA与cuDNN（GPU版本必需）：
- 若使用GPU加速，需安装NVIDIA官方驱动（需匹配显卡型号）；
- 安装CUDA Toolkit（推荐版本与PyTorch版本兼容，如PyTorch 2.2.0支持CUDA 11.8/12.1）；
- 安装cuDNN（深度学习专用库，推荐版本与CUDA Toolkit兼容，如CUDA 11.8对应cuDNN 8.6）。
安装后需设置环境变量（如PATH、LD_LIBRARY_PATH），确保PyTorch能识别CUDA库。
四、PyTorch版本选择要求
- 根据硬件配置选择版本：
- 无GPU：选择CPU版本（
pip install torch torchvision torchaudio）； - 有GPU：选择对应CUDA版本的预编译包（如CUDA 11.8版本：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118）。
- 推荐选择稳定版本（如PyTorch 2.2.0及以上），以获得更好的性能和兼容性。
