Ubuntu18.04 CUDA11.4环境下PyTorch C++ API安装编译指南问询

环境匹配说明 #

你当前的CUDA 11.4、cuDNN 8.2.4.15环境完全适配PyTorch 1.12.x版本的官方预编译LibTorch包，无需源码编译即可快速完成配置，以下是直接可复用的操作指南：

一、安装配置步骤 #

• 下载对应版本的CUDA 11.4 Release版LibTorch压缩包，解压到本地任意目录
• 配置环境变量，将以下内容追加到~/.bashrc文件末尾，替换路径为你实际的LibTorch解压路径：

export LIBTORCH_PATH=/home/xxx/libtorch
export CMAKE_PREFIX_PATH=$LIBTORCH_PATH:$CMAKE_PREFIX_PATH
export LD_LIBRARY_PATH=$LIBTORCH_PATH/lib:$LD_LIBRARY_PATH

• 执行source ~/.bashrc使环境变量生效

二、项目编译配置模板 #

你的Google云n1-standard-2机型搭配Tesla P4显卡，直接使用以下CMake配置即可正常编译项目：

cmake_minimum_required(VERSION 3.18)
project(your_project_name)

set(CMAKE_CXX_STANDARD 17)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

find_package(Torch REQUIRED)
set(CMAKE_CUDA_ARCHITECTURES 61) # 适配Tesla P4的算力版本，无需修改

add_executable(${PROJECT_NAME} your_source_code.cpp)
target_link_libraries(${PROJECT_NAME} ${TORCH_LIBRARIES})

• 编译命令参考：

mkdir build && cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j2 # 对应2核vCPU参数，避免内存溢出

三、安装验证测试代码 #

创建main.cpp写入以下内容，编译运行如果输出CUDA可用状态为1，且正常打印GPU上生成的随机张量，说明配置完全正确：

#include <torch/torch.h>
#include <iostream>

int main() {
    std::cout << "CUDA可用状态：" << torch::cuda::is_available() << std::endl;
    torch::Tensor test_tensor = torch::rand({3, 3}).to(torch::kCUDA);
    std::cout << "GPU张量测试输出：\n" << test_tensor << std::endl;
    return 0;
}

内容的提问来源于stack exchange，提问作者Julian wandhoven