### 兼容性分析：PyTorch 1.10、CUDA 10.2、cuDNN 7、Ubuntu 18.04 和 Python 3.11 #### PyTorch 版本选择 对于 PyTorch 1.10，官方支持的 CUDA 版本为 10.2，并且需要确保 cuDNN 版本为 7 或更高[^1]。然而，需要注意的是，Python 3.11 并不在 PyTorch 1.10 的官方支持范围内，因为 Python 3.11 在 PyTorch 1.10 发布之后才推出。因此，建议使用 Python 3.8 或 3.9 来保证兼容性。如果必须使用 Python 3.11，则需要手动编译 PyTorch 源代码以适配该版本的 Python。 安装 PyTorch 1.10 并指定 CUDA 10.2 的命令如下： ```bash pip install torch==1.10.0+cu102 torchvision==0.11.1+cu102 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html ``` #### Transformers 版本选择 `transformers` 库在 PyTorch 1.10 下推荐使用的版本为 `4.10.0`，这是与 PyTorch 1.10 兼容的稳定版本[^2]。安装命令如下： ```bash pip install transformers==4.10.0 ``` #### 环境验证 完成安装后，可以通过以下代码验证是否正确加载了所需的库和 CUDA 版本： ```python import torch from transformers import AutoTokenizer, AutoModel print(f"PyTorch version: {torch.__version__}") # 应返回 '1.10.0' print(f"CUDA version: {torch.version.cuda}") # 应返回 '10.2' print(f"Is CUDA available: {torch.cuda.is_available()}") # 应返回 True tokenizer = AutoTokenizer.from_pretrained("bert-base-uncased") model = AutoModel.from_pretrained("bert-base-uncased") print("Transformers and model loaded successfully.") ``` #### 注意事项 - 如果使用 Docker 容器，可以选择包含所需 Python 和 CUDA 版本的镜像。例如，使用以下命令启动一个包含 PyTorch 1.10 和 CUDA 10.2 的容器[^3]： ```bash docker run --rm -it --gpus all nvcr.io/nvidia/pytorch:21.06-py3 ``` - 对于 Ubuntu 18.04，确保系统已正确安装 NVIDIA 驱动程序和 cuDNN 库，以避免运行时错误。 ---