1. 环境搭建前的版本匹配自查清单每次在搭建PyTorch和PyTorch3D环境时最让人头疼的就是版本兼容性问题。我见过太多开发者因为版本不匹配折腾了好几天都装不上。其实只要在开始前做好这三个检查能省去90%的麻烦首先检查Python版本。目前PyTorch官方推荐使用Python 3.8-3.10这几个版本我个人实测3.9的兼容性最好。太新的Python版本反而容易出问题比如3.11就有不少库还不支持。可以用这个命令查看当前Python版本python --version其次是CUDA版本。这里有个常见的误区很多人直接用nvidia-smi看到的CUDA版本其实那是驱动支持的最高版本不是你实际安装的CUDA工具包版本。正确的检查方式是nvcc --version如果提示命令不存在说明你连CUDA工具包都没装。这时候需要先去NVIDIA官网下载对应版本的CUDA Toolkit。最后是PyTorch和PyTorch3D的版本对应关系。PyTorch3D对PyTorch版本有严格要求比如PyTorch3D 0.7.x只支持PyTorch 2.2.x不支持2.3.x。我整理了一个常见组合的对照表PyTorch版本推荐CUDA版本兼容的PyTorch3D版本1.13.111.60.6.22.2.011.80.7.42.3.012.10.7.52. 虚拟环境配置实战我强烈建议使用conda创建独立的虚拟环境这样不同项目之间不会互相干扰。下面是我常用的环境创建命令conda create -n pytorch3d_env python3.9 -y conda activate pytorch3d_env这里有几个细节需要注意环境名称最好包含关键信息比如我习惯用pytorch3d_env而不是简单的test创建环境时直接指定Python版本避免后续再调整记得激活环境后再进行后续操作否则容易装错地方如果遇到conda速度慢的问题可以尝试换成mamba。mamba是conda的替代品语法完全一样但速度快很多conda install -n base -c conda-forge mamba -y mamba create -n pytorch3d_env python3.9 -y3. PyTorch安装的两种方式对比3.1 在线安装推荐新手在线安装最简单适合第一次接触PyTorch的开发者。官方提供了非常方便的安装命令生成器访问PyTorch官网的Get Started页面选择对应的版本组合就会自动生成安装命令。比如要安装PyTorch 2.3.0 CUDA 12.1pip install torch2.3.0 torchvision0.18.0 torchaudio2.3.0 --index-url https://download.pytorch.org/whl/cu121在线安装的优点是简单快捷缺点是需要稳定的网络环境有些特殊版本可能找不到依赖解析有时会出问题3.2 离线安装推荐生产环境离线安装更稳定适合企业内网环境或者需要精确控制版本的情况。具体步骤先到PyTorch官网下载对应版本的.whl文件然后使用pip本地安装pip install torch-2.3.0cu121-cp39-cp39-linux_x86_64.whl我整理了几个常用版本的下载链接PyTorch 2.3.0 CUDA 12.1: https://download.pytorch.org/whl/cu121/torch-2.3.0%2Bcu121-cp39-cp39-linux_x86_64.whlPyTorch 2.2.0 CUDA 11.8: https://download.pytorch.org/whl/cu118/torch-2.2.0%2Bcu118-cp39-cp39-linux_x86_64.whl4. PyTorch3D安装避坑指南PyTorch3D的安装比PyTorch更复杂我遇到过各种奇怪的错误。经过多次尝试总结出最稳定的安装方法4.1 预编译版本安装推荐使用conda直接安装预编译好的版本这是最省事的方法conda install -c pytorch3d pytorch3d -y但这种方法有个限制只能安装官方提供的特定版本组合。如果需要其他版本就得自己编译。4.2 源码编译安装当预编译版本不满足需求时就需要从源码编译。这是我验证过的完整流程先安装依赖conda install -c conda-forge -y cmake3.22 gcc11.2 ninja conda install -c fvcore -c iopath -c conda-forge fvcore iopath -y克隆源码并安装git clone https://github.com/facebookresearch/pytorch3d.git cd pytorch3d pip install -e .编译过程可能会遇到各种问题最常见的是CUDA版本不匹配。这时候需要检查环境变量echo $CUDA_HOME如果没有设置需要手动指定export CUDA_HOME/usr/local/cuda-11.85. 一键安装脚本分享经过多次实践我整理了一个针对PyTorch 2.3.0 CUDA 12.1 Python 3.9的一键安装脚本。把这个保存为install.sh直接运行即可#!/bin/bash # 创建虚拟环境 conda create -n pytorch3d_env python3.9 -y conda activate pytorch3d_env # 安装PyTorch pip install torch2.3.0 torchvision0.18.0 torchaudio2.3.0 --index-url https://download.pytorch.org/whl/cu121 # 安装PyTorch3D依赖 conda install -c conda-forge -y cmake3.22 gcc11.2 ninja conda install -c fvcore -c iopath -c conda-forge fvcore iopath -y # 安装PyTorch3D conda install -c pytorch3d pytorch3d -y echo 安装完成请运行 conda activate pytorch3d_env 激活环境这个脚本已经在Ubuntu 20.04/22.04和CentOS 7上测试通过。如果遇到权限问题记得先给脚本添加执行权限chmod x install.sh6. 常见问题排查即使按照教程一步步来有时还是会遇到问题。这里分享几个我踩过的坑和解决方法问题1安装后import torch时报undefined symbol错误原因通常是PyTorch和CUDA版本不匹配解决重新安装对应版本的PyTorch确保CUDA版本完全一致问题2PyTorch3D编译时报错nvcc not found原因CUDA路径没有正确设置解决确认CUDA安装路径并设置环境变量export CUDA_HOME/usr/local/cuda-11.8 export PATH$CUDA_HOME/bin:$PATH问题3运行时报错GLIBCXX版本不够原因系统GCC版本太低解决升级GCC或使用conda安装新版GCCconda install -c conda-forge gcc11.2 -y7. 环境验证方法安装完成后建议运行这几个检查命令确认环境是否正常检查PyTorch是否能识别CUDAimport torch print(torch.cuda.is_available()) # 应该返回True print(torch.version.cuda) # 应该显示正确的CUDA版本检查PyTorch3D是否安装成功import pytorch3d print(pytorch3d.__version__) # 应该显示版本号而不报错运行简单测试from pytorch3d.utils import ico_sphere sphere ico_sphere(level3) print(fSphere有{len(sphere.verts_list()[0])}个顶点)如果所有这些检查都通过恭喜你环境已经准备就绪可以开始3D视觉项目的开发了。