Linux系统下离线安装torch：从安装Python开始

适用于Ubuntu、麒麟系统等Linux操作系统。

1 前言

尽管我个人非常推荐使用Anaconda管理Python环境，但在实际的应用环境中，仍不可避免地存在需要用的原生Python的情况。但Anaconda的优越性实在是太高，非常方便，我也更推荐这种方案。但原生Python方案仍旧有一定的应用环境，同时对于理解离线安装Python是很好的实践教材。因此，我们会先用Python的传统方案演示安装过程，历经千帆后再用Anaconda秒杀比赛。

如果你只是想快点安装完成，并不想知道Anaconda有多方便，可以直接跳过Python部分。

本教程主要分为两步：首先，我们会先安装最基础的Python环境；在此基础之上，我们安装torch等额外的包。

2 安装Python

2.1 Python传统方案（很麻烦）

2.1.1 下载Python源码

Linux上离线安装Python不像在Windows上直接双击.exe文件这么简单，需要我们手动进行编译。

首先需要在Python官网下载需要版本的Python源码压缩包，推荐下载Gzipped source tarball压缩格式，方便Linux系统解压，后续我们会在服务器上解压并编译。

2.1.2 编译Python

首先将压缩包放置到服务器上。压缩包的位置没有特定要求，自己能够找到就行。接下来在服务器上解压，例如：

Bash

tar -xzf Python-3.9.18.tgz

解压参数说明

短参数	长参数	功能说明
-c	--create	创建一个新的归档文件（打包模式）
-x	--extract	从归档文件中提取（解压）文件
-t	--list	列出归档文件中的内容（不解压）
-f	--file	指定归档文件名，此参数后必须紧跟文件名
-v	--verbose	显示操作过程中的详细文件列表
-z	--gzip	使用 gzip 算法进行压缩或解压（对应 .tar.gz 格式）
-j	--bzip2	使用 bzip2 算法进行压缩或解压（对应 .tar.bz2 格式）
-J	--xz	使用 xz 算法进行压缩或解压（对应 .tar.xz 格式）
-C	--directory	切换到指定目录，常用于指定解压的目标路径
-p	--preserve-permissions	保留文件的原始权限（常用于解压或备份）

此时源码就已经解压到了./Python-3.9.18文件夹中，cd进入该文件夹，接下来开始编译。

在Linux上编译安装Python大致分为三个步骤：

1. 配置安装的参数
2. 编译源码
3. 执行安装

我们依次进行：

1.配置安装的参数

./configure --enable-optimizations --prefix=/usr/local/python3.9

--enable-optimizations: 启用优化，使 Python 运行更快，但会增加编译时间 --prefix: 指定安装路径，避免与系统 Python 冲突

2. 编译源码

make -j$(nproc)

-j$(nproc) ：-j表示多线程，$(nproc)是CPU核心数量，可以利用所有 CPU 核心进行并行编译，显著加快速度

3. 执行安装

make altinstall

altinstall：alternative install，“替代安装”的意思。它非常“克制”，不会安装名为 python 或 python3 的通用链接。它只会安装带有具体版本号的命令，例如 python3.11、pip3.11 等

安装完成后，可以使用在--prefix中设置的python文件夹名称激活Python环境。比如我在--prefix中指定的python3.9，所以我激活对应Python环境的指令为python3.9。查看是否安装成功：

Bash

python3.9 -V

如果有版本号即为安装完成。

Note

需要注意的是，按照上述流程正确安装是极度理想的情况。在实际的工程环境中，Python编译需要各种环境依赖包（比如_ctype的编译需要libffi），缺少这些依赖包可能会导致一些比较重要的Python底层库安装失败（如缺少_ctype会导致torch无法正确import）。为了保证Python正确编译，还需要保证这些环境已经安装。

但幸好，我们还有一种方案可以避免这些编译依赖问题。没错，救星就是Anaconda。

2.2 Anaconda（强烈推荐）

如果你只是希望拥有一个Python的环境，那么Anaconda是很好的选择。如果你不仅需要一个Python环境，还需要在Python环境中安装各种额外的包（比如torch），那么Anaconda是更好的选择。

如果你已经经历过了手动编译Python的阶段，那么你或多或少经历过因为缺少各种依赖导致的Python编译失败（总会缺少那么一些依赖包）。有没有什么方法可以不这么麻烦呢？有的，Anaconda。

Anaconda内部已经预编译好了需要的所有库！也就是说，即使服务器上缺少编译这些包所需要的环境，也不影响——因为Python包已经编译好了。

具体安装Anaconda的流程如下：

2.2.1 下载对应的Anaconda安装包

Anaconda的历史版本安装包在官方归档中下载，不同Anaconda版本对应的Python版本详见官方的release note。

选择对应系统架构和操作系统的安装版本（Linux通常是xxx.sh的安装包），下载即可。

2.2.2 安装Anaconda

把安装包放到服务器上自己找得到的位置，进入安装包所在的文件夹内，通过以下指令进行安装：

Bash

bash anaconda.xxx.xxx.sh

此时进入安装界面，根据指引安装即可。

在最后询问是否初始化init的时候选择yes，等到安装完成。

安装完成之后，更新一下终端：

Bash

source ~/.bashrc

2.2.3 检查安装是否完成

完成安装之后，可以通过conda activate激活conda环境，此时在终端的用户名左侧会出现字样(base)，表明已经激活了conda环境。

没错，这就结束了，这就是Anaconda。当然，如果你觉得Anaconda太过臃肿，可以考虑安装miniconda，更加精简，两者功能是一致的，只是miniconda自带的Python包会更少一些。

3 安装PyTorch

再经过了上述步骤之后，我们已经拥有了一个最基础的Python环境。现在就到了另外一个痛点，如何才能够在这样的离线环境中再安装一些Python包？如比Pytorch？

在Python里，很多包之间都会有相互依赖关系，比如 pandas 依赖 numpy, pytz 等，matplotlib 依赖 numpy, pyparsing, python-dateutil 等。有时候，依赖包也会依赖一些包，以此类推。

通常，在联网环境下pip install安装某个Python包，会自动安装所需要的Python依赖包。但是在离线环境中，只会提示报错，无法正确安装。

想要完整安装某个包，就必须把对应的依赖包也安装。那么如何下载一个包所有的依赖包吗？必须要等到安装包错的时候才能知道缺少什么包吗？还是必须要我们一个个查呢？当然不是——除非你真的很闲。

3.1 下载某个Python包和对应的依赖包

pip download <package>可以把某个包的.whl文件下载到本地，同时会下载所需要的依赖包。所以不要再自己一个个去找.whl文件下载啦，只需要pip download <package>即可。

pip download 常用参数详解

参数	作用	可选值/示例
-d <dir>	指定下载文件存放的目录。	pip download torch -d ./my_packages
--platform <platform>	指定目标平台，下载适用于该平台的包。	linux_x86_64, win_amd64, macosx_10_9_x86_64 等。pip download torch --platform win_amd64
--python-version <version>	指定目标 Python 版本，下载与此版本兼容的包。	3.8, 3.9, 3.10, 3.11 等。pip download torch --python-version 3.10
--abi <abi>	指定目标 ABI (Application Binary Interface)。	cp310, cp310m, none 等。pip download some_package --abi cp310
--only-binary=:all:	强制只下载 wheel 格式的二进制包，不下载源码包。	:all: 是特殊值。pip download torch --only-binary=:all:
--no-binary=:all:	强制只下载源码包，不下载 wheel 包。	:all: 是特殊值。pip download numpy --no-binary=:all:
--no-deps	不下载指定包的依赖项，只下载包本身。	pip download torch --no-deps
-i <url>	指定要从中下载包的主要 PyPI 索引 URL。	pip download torch -i https://pypi.tuna.tsinghua.edu.cn/simple/
--extra-index-url <url>	指定额外的 PyPI 索引 URL。	pip download torch --extra-index-url https://download.pytorch.org/whl/cu118
--trusted-host <hostname>	将指定主机标记为受信任，允许从 HTTP URL 下载 (常与 index-url 配合使用)。	pip download torch --index-url http://example.com/pypi --trusted-host example.com

举个例子。

CMD

pip3 download torch torchvision --index-url https://download.pytorch.org/whl/cu124 --platform linux_x86_64 --only-binary=:all:

这里我使用的--index-url即官方提供的安装指令中的url。需要注意的是，有时候官方提供的最新url链接不一定会有我们想要的架构和操作系统，可以在后缀中添加/torch进入网址Ctrl + ++F++搜索检查一下有没有自己想要的版本。比如https://download.pytorch.org/whl/cu124/torch。

3.2 目标服务器上安装Pytorch

下载好之后，把所有文件打包到目标服务器上，进入文件夹内，安装所有的.whl即可：

Bash

python3.9 -m pip install ./*.whl

3.3 检查是否安装好Pytorch

进入Python环境，依次执行以下指令：

Text Only

import torch

torch.cuda.is_available()

如果输出的内容为True，那么说明torch已经安装完成，并可以成功调用GPU加速运算了。

另一种环境迁移方案

出了直接安装torch之外，其实还有一种方法可以进行环境迁移，那就是通过虚拟机创建一个跟目标服务器一样的环境，直接联网配置好对应的环境，然后通过conda-pack打包进行迁移。详细说明可见这篇文章。