小白也能看懂的GPU版PyTorch（CUDA 12.1）在清华源上的快速安装教程

一、准备工作
在开始安装之前，请确保您的系统已满足以下要求：

1. 操作系统：Linux（推荐使用Ubuntu或Debian）。
2. 硬件：支持CUDA的NVIDIA显卡。
3. Python：建议使用Python 3.7或更高版本。
4. 清华源：确保您的系统已配置了清华大学开源软件镜像站。
   二、安装依赖项
   首先，您需要安装一些必要的依赖项。打开终端，并运行以下命令：
5. 安装CUDA 12.1相关依赖项：

   sudo apt-get update
   sudo apt-get install -y nvidia-cuda-toolkit=12.1-1

6. 安装cuDNN：

   sudo apt-get install -y libcupti-dev

7. 安装PyTorch依赖项：

   pip install torch torchvision torchaudio -f https://pypi.tuna.tsinghua.edu.cn/simple

   三、配置环境变量
   接下来，您需要配置环境变量，以便系统能够找到CUDA和PyTorch的相关文件。打开终端，并运行以下命令：
8. 添加CUDA路径到PATH环境变量：

   export PATH=/usr/local/cuda-12.1/bin:$PATH

9. 添加CUDA库路径到LD_LIBRARY_PATH环境变量：

   export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH

10. 添加PyTorch路径到PYTHONPATH环境变量：

    export PYTHONPATH=/usr/local/lib/python3.7/site-packages:$PYTHONPATH

    四、测试安装
    完成上述步骤后，您可以运行以下命令来测试PyTorch是否正确安装：

    import torch
    torch.cuda.is_available()

    如果看到输出True，表示您已成功安装支持CUDA 12.1的GPU版PyTorch。
    五、常见问题与解决方案
    如果在安装过程中遇到任何问题，您可以尝试以下解决方案：
11. 确保您的系统已正确配置清华大学开源软件镜像站。您可以尝试在终端中运行以下命令来切换到清华大学源：

    source /etc/apt/sources.list.d/清华大学开源软件镜像站.list

12. 如果您在安装过程中遇到依赖项冲突的问题，可以尝试使用以下命令更新软件包列表并重新安装依赖项：

    sudo apt-get update
    sudo apt-get install -y <dependency>

13. 如果您在使用PyTorch时遇到问题，可以尝试更新PyTorch版本或查找相关文档和社区支持。PyTorch官方网站提供了丰富的教程和资源，可以帮助您解决常见问题。
    希望这篇教程能帮助您顺利安装GPU版PyTorch，开启深度学习之旅！如有任何疑问，请随时提问。