如何在Google Cloud VM上便捷部署PyTorch>=2.0.0、Python3.10与CUDA12？

方案1：使用官方Deep Learning VM镜像 #

Google Cloud提供预制的深度学习镜像，内置匹配的PyTorch、CUDA和Python环境，无需手动配置：

• 创建VM实例时，进入「启动磁盘」→「更改」→「公共镜像」，选择「Deep Learning on Debian」分类，挑选带有PyTorch 2.x标签的镜像，这类镜像通常预装Python3.10+和CUDA12，完全满足需求。
• 启动实例后即可直接使用环境。

方案2：用pyenv快速安装Python3.10（Debian系统） #

无需手动编译源码，pyenv可一键管理多版本Python：

1. 安装依赖包：

sudo apt update && sudo apt install -y build-essential libssl-dev zlib1g-dev \
libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm git \
libncursesw5-dev xz-utils tk-dev libxml2-dev libxmlsec1-dev libffi-dev liblzma-dev

2. 克隆pyenv仓库：

git clone https://github.com/pyenv/pyenv.git ~/.pyenv

3. 配置环境变量（添加到~/.bashrc）：

echo 'export PATH="$HOME/.pyenv/bin:$PATH"' >> ~/.bashrc
echo 'eval "$(pyenv init -)"' >> ~/.bashrc
echo 'eval "$(pyenv virtualenv-init -)"' >> ~/.bashrc
source ~/.bashrc

4. 安装并设置Python3.10为全局版本：

pyenv install 3.10.13
pyenv global 3.10.13

方案3：用Conda管理完整环境 #

Conda可独立于系统包管理器安装所有依赖，兼容性更强：

1. 下载并安装Miniconda：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
source ~/.bashrc

2. 创建并激活专属环境：

conda create -n pytorch_env python=3.10 -y
conda activate pytorch_env

3. 安装PyTorch>=2.0.0和CUDA12：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia -y

方案4：制作自定义镜像（适合重复部署） #

如果需要多次创建相同环境的VM，可制作自定义镜像：

1. 按上述任意方案配置好一个VM环境。
2. 在Google Cloud控制台中，将该实例创建为自定义镜像。
3. 后续新建VM时直接选用该镜像，无需重复配置。

内容的提问来源于stack exchange，提问作者Yunus Cobanoglu