如何通过pip在ppc64le架构设备上安装PyTorch？

方案1：手动编译PyTorch源码（可控性最高，适配性最好） #

该方案可以完全匹配你需要的PyTorch版本和依赖环境，步骤如下：

• 先安装系统级依赖：包括基础编译工具链gcc、g++、cmake、ninja，线性代数依赖库openblas-devel、lapack-devel，以及对应版本的Python开发包python3-devel；如果需要GPU版本，还需要提前安装适配ppc64le架构的CUDA、cuDNN驱动和依赖库。
• 激活你提前通过python -m venv创建好的目标虚拟环境，升级基础工具：

  pip install --upgrade pip setuptools wheel
  

• 安装PyTorch编译前置依赖：

  pip install numpy typing-extensions pyyaml cmake ninja
  

• 克隆对应版本的PyTorch公开源码仓库，同步拉取所有关联子模块，切换到你需要的版本标签后进入源码目录。
• 配置编译环境变量，适配Power8架构：

  export MAX_JOBS=8 # 根据设备CPU核心数调整，避免内存不足导致编译失败
  export USE_CUDA=1 # 不需要GPU版本则设置为0
  export TORCH_CUDA_ARCH_LIST=7.0 # 仅GPU版本需要，修改为适配你CUDA版本的算力值
  export CMAKE_PREFIX_PATH=${VIRTUAL_ENV} # 自动关联当前激活的虚拟环境路径
  export CC=gcc CXX=g++
  

• 执行编译安装：

  python setup.py install
  

• 编译完成后验证安装结果：

  python -c "import torch;print(torch.__version__)"
  

  注意Power8架构编译耗时较长，根据硬件配置通常需要1~4小时。

方案2：使用第三方预编译wheel包 #

很多社区维护者会提前编译好适配ppc64le架构的PyTorch wheel包，你可以找到和你的Python版本、CUDA版本完全匹配的.whl格式安装包下载到本地后，激活虚拟环境直接执行安装即可：

pip install ./torch-<目标版本>+cu<CUDA版本>-cp<Python版本>-cp<Python版本>m-linux_ppc64le.whl

方案3：从conda安装包提取安装文件 #

如果你不想全量使用conda环境，可以单独下载对应版本的ppc64le架构PyTorch conda安装包，提取其中的安装文件导入虚拟环境：

• 下载后缀为.tar.bz2的对应版本PyTorch conda安装包
• 解压该压缩包，找到lib/python<你的Python版本>/site-packages/目录下的PyTorch相关文件夹
• 将上述文件夹直接拷贝到你的venv虚拟环境对应的site-packages目录下即可完成安装

注意：Power8架构最高支持PyTorch 2.0.x系列版本，更高版本的PyTorch已经官方移除了对Power8架构的支持，编译或安装高版本会出现架构不兼容错误。

内容的提问来源于stack exchange，提问作者Mahdi Amrollahi