Что такое PyTorch. Установка

В последнее время все большую популярность приобретает то, что называется Deep Learning или "глубокое обучение". Благодаря глубокому обучению исследователи могут изучать сложные закономерности на больших наборах данных, и в итоге те задачи, на выполнение котороых у человека ушло бы много времени, могут выполняться на считанные секунды, что приводит к повышению производительности при выполнении различных задач. Что, в свою очередь, позволяет использовать Deep Learning для автоматизации задач, которые в настоящее время выполняются человеком, а также для повышения эффективности и производительности производственных процессов.

На сегодняшний день ведущей библиотекой для глубокого обучения благодаря своей гибкости и простоте использования является PyTorch.

История PyTorch началась в 2016 году, когда группа исследователей разработала расширение Torch. PyTorch же был создан для устранения некоторых ограничений Torch, делая его более доступным, удобным и эффективным. Одним из ключевых изменений стала интеграция PyTorch с Python, широко распространенным языком программирования в сообществе машинного обучения. С тех пор PyTorch значительно развился и в настоящее время используется широким кругом разработчиков, а также крупных компаний.

Установка PyTorch

На официальном сайте фреймворка PyTorch на странице https://pytorch.org/get-started/locally/ доступны различные вариации фреймворка.

Для установки доступны как стабильная, так и предварительная версии. Стабильная представляет собой наиболее протестированную и поддерживаемую версию PyTorch. Предварительная версия доступна, если необходимы последние, не полностью протестированные и поддерживаемые сборки. Далее будем ориентироваться на стабильную версию - на момент написания статьи это версия PyTorch 2.9.0

Также следует отметить, что можно использовать пакет LibTorch, который представляет собой библиотеку-анадлог PyTorch только для работы на C++/Java. Но в данном случае мы будем непосредственно использовать PyTorch и соответственно язык Python.

Установка необходимого инструментария

Перед установкой PyTorch стоит учитывать, что для работы с последними версиями фреймворка на момент написания текущей статьи необходима версия Python 3.10 и выше.

Установка pip

Для установки PyTorch применяется пакетный менеджер pip, поэтому pip должен быть установлен на рабочей машине. По молчанию pip обычно устанавливаетсявместе с Python, однако в некоторых случаях pip может отсутствовать. Например, на Debian/Ubuntu можно установить pip с помощью пакетного менеджера APT:

sudo apt install python3-pip

CUDA или без CUDA

Рекомендуется, но не обязательно, чтобы система Linux имела графический процессор NVIDIA или AMD, чтобы использовать все возможности поддержки CUDA или ROCm в PyTorch. Хотя в принципе можно и не использовать CUDA/ROCm, а вместо этого использовать вычислительные возможности центрального процессора.

Если компьютер обладает видеокартой NVIDIA, для поддержки CUDA надо установить CUDA Toolkit (есть поддержка для Linux и Windows). Полные инструкции по установки по всем возможным системам можно найти на официальном сайте на странице https://developer.nvidia.com/cuda-downloads. А в качестве примера возьмем установку CUDA Toolkit на ОС Ubuntu и Fedora с архитектурой x86-64.

Прежде всего перед установкой конечно должны быть установлены необходимые драйверы. Так, на Ubuntu и Fedora для установки драйверов применяются следующие команды:

# Ubuntu
# для установки свободных драйверов
sudo apt-get install -y nvidia-open
# для установки проприетарных драйверов
sudo apt-get install -y cuda-drivers

# Fedora
# для установки свободных драйверов
sudo dnf -y install nvidia-open
# для установки проприетарных драйверов
sudo dnf -y install cuda-drivers

Также при установки CUDA Toolkit надо учитывать, что между его версиями и версиями драйверов должна быть следующее соответствие:

CUDA Toolkit	Минимальная версия драйвера	Максимальная версия
CUDA 13.x	>= 580	(обратная совместимость применяется к новым драйверам)
CUDA 12.x	>= 525	< 580 (новые драйверы по-прежнему поддерживаются благодаря обратной совместимости)
CUDA 11.x	>= 450	< 525 (новые драйверы по-прежнему поддерживаются благодаря обратной совместимости)

Для установки самого CUDA Toolkit на Ubuntu надо выполнить следующую последовательность команд:

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-ubuntu2404.pin
sudo mv cuda-ubuntu2404.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/13.0.2/local_installers/cuda-repo-ubuntu2404-13-0-local_13.0.2-580.95.05-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2404-13-0-local_13.0.2-580.95.05-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2404-13-0-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda-toolkit-13-0

Стоит отметить, что CUDA Toolkit поддерживает только LTS-релизы Ubuntu (на момент написания текущей статьи это выпуски Ubuntu 24.04 и 22.04 LTS).

Дополнительно NVIDIA предлагает несколько вариантов пакетов для различных целей. Большинству пользователей рекомендуется установить cuda-toolkit для разработки, так как он включает в себя все компоненты SDK без изменения существующих драйверов дисплея:

• cuda-toolkit: Устанавливает CUDA SDK, библиотеки, компиляторы и инструменты разработки без драйверов.

• cuda: Метапакет, который устанавливает полный набор инструментов CUDA Toolkit, а также драйверы NVIDIA и компоненты рабочего стола.

• cuda-drivers: Устанавливает драйверы графических процессоров NVIDIA без указания версии.

• nvidia-driver-XXX: Устанавливает определенную версию драйвера NVIDIA (например, nvidia-driver-550).

• nvidia-gds: Опциональная поддержка GPUDirect Storage для высокопроизводительного доступа к хранилищу.

Также стоит отметить, что перед установкой можно посмотреть наличие соответствующих пакетов/их версий в репозитарии с помощью команд:

apt search cuda-toolkit
apt search cuda-drivers
apt search nvidia-driver
apt search nvidia-driver-open

Для Fedora надо выполнить следующую последовательность команд:

wget https://developer.download.nvidia.com/compute/cuda/13.0.2/local_installers/cuda-repo-fedora42-13-0-local-13.0.2_580.95.05-1.x86_64.rpm
sudo rpm -i cuda-repo-fedora42-13-0-local-13.0.2_580.95.05-1.x86_64.rpm
sudo dnf clean all
sudo dnf -y install cuda-toolkit-13-0

После установки надо выполнить перзагрузку и затем установить переменные среды (например, через файл .profile):

export PATH=/usr/local/cuda-13.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-13.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

В конце для проверки правильности установки можно посмотреть версию компилятора для CUDA с помощью команды nvcc --version

eugene@Eugene:~$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2025 NVIDIA Corporation
Built on Wed_Aug_20_01:58:59_PM_PDT_2025
Cuda compilation tools, release 13.0, V13.0.88
Build cuda_13.0.r13.0/compiler.36424714_0
eugene@Eugene:~$ 

Если на компьютере имеется видеокарта AMD Radeon, то можно воспользоваться платформой ROCm, ссылки на загрузку пакетов которой и всю дополнительную информацию можно найти на официальном сайте AMD по следующей ссылке:

https://rocm.docs.amd.com/en/latest/

Для Windows 11 для установки CUDA необходимо загрузить пакет установщика по следующей ссылке:

https://developer.download.nvidia.com/compute/cuda/13.0.2/local_installers/cuda_13.0.2_windows.exe

Установка в Linux

PyTorch можно установить и применять на различных дистрибутивах Linux, которые используют библиотеку glibc версии 2.28 и выше. Поддерживаемые дистрибутивы Linux:

• Arch Linux (минимальная версия 2020.01.22)

• CentOS (минимальная версия 8)

• Debian (минимальная версия 10.0)

• Fedora (минимальная версия 24)

• Mint (минимальная версия 20)

• OpenSUSE (минимальная версия 15)

• PCLinuxOS (минимальная версия 2014.7)

• Slackware (минимальная версия 14.2)

• Ubuntu (минимальная версия 20.04)

Формальные команды для установки:

# с поддержкой CUDA 12.6
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126

# с поддержкой CUDA 12.8
pip3 install torch torchvision

# с поддержкой CUDA 13.0
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu130

# с поддержкой ROCm 6.4
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/rocm6.4

# без поддержки CUDA/ROCm (для работы c CPU)
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cpu

Но поскольку рекомендуемым способом работы с пакетами на Linux является использование виртуальной среды, то соответственно процесс установки будет несколько сложнее. Так, определим на жестком диске каталог для проектов и перейдем в него в консоли. Затем для создания виртуальной среды (в данном случае виртуальной среды с именем "myvenv") выполним команду

python3 -m venv myvenv

Далее активируем виртуальную среду:

source myvenv/bin/activate

И затем, используя утилиту pip, выполним установку пакета PyTorch:

pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu130

В моем случае на рабочем компьютере установен пакет CUDA версии 13.0, поэтому для загрузки я использую ссылку https://download.pytorch.org/whl/cu130. Полный процесс установки:

eugene@Eugene:~/pytorch$ python3 -m venv myvenv
eugene@Eugene:~/pytorch$ source myvenv/bin/activate
(myvenv) eugene@Eugene:~/pytorch$ pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu130
Looking in indexes: https://download.pytorch.org/whl/cu130
Collecting torch
  Downloading https://download.pytorch.org/whl/cu130/torch-2.9.0%2Bcu130-cp312-cp312-manylinux_2_28_x86_64.whl.metadata (30 kB)
........................................
(myvenv) eugene@Eugene:~/pytorch$ 

Учитывайте, что при установке потребуется очень много места - в моем случае вся установка заняла почти 5 Гб.

Установка на Windows

PyTorch поддерживается в следующих дистрибутивах Windows:

• Windows 7 и выше; рекомендуется Windows 10 и выше.

• Windows Server 2008 r2 и выше

Команды для установки:

# с поддержкой CUDA 12.6
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126

# с поддержкой CUDA 12.8
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu128

# с поддержкой CUDA 13.0
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu130

# без поддержки CUDA (для работы c CPU)
pip3 install torch torchvision

Установка на MacOS

PyTorch поддерживается на macOS 10.15 (Catalina) и выше. Команда для установки:

pip3 install torch torchvision

Проверка установки PyTorch

Определим в папке проекта новый файл, который назовем app.py и который будет иметь следующее содержимое:

import torch    # импорт функциональности PyTorch

print(torch.__version__)    # выводим версию PyTorch

print(torch.cuda.is_available())    # проверяем доступность дискретной видеокарты

Здесь первой строкой импортируем функциональность PyTorch, далее выводим версию и проверяем доступность дискретной видеокарты. В итоге мы получим что-то наподобие:

2.9.0+cu130
True