CentOS下PyTorch的安装教程是什么

CentOS下PyTorch安装教程

1. 更新系统

首先确保系统包为最新版本，避免兼容性问题：

sudo yum update -y

2. 安装必要依赖

PyTorch及后续工具需要编译环境和基础开发库：

sudo yum groupinstall -y "Development Tools"  # 安装gcc、make等编译工具
sudo yum install -y python3 python3-devel python3-pip cmake3 git wget  # 安装Python及开发头文件、构建工具

3. （可选）安装CUDA Toolkit（GPU加速必需）

若需使用GPU加速PyTorch，需安装与显卡驱动兼容的CUDA Toolkit（以CUDA 11.7为例）：

• 下载CUDA：访问NVIDIA CUDA Toolkit下载页面，选择CentOS 7/8对应的.rpm安装包（如cuda_11.7.0_515.43.04_linux.run）。
• 安装CUDA：

  sudo sh cuda_11.7.0_515.43.04_linux.run  # 按提示完成安装（默认路径为/usr/local/cuda）
  

• 配置环境变量：编辑~/.bashrc，添加以下内容：

  export PATH=/usr/local/cuda/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
  

  生效配置：source ~/.bashrc。

4. （可选）安装cuDNN（GPU加速必需）

cuDNN是CUDA的深度学习加速库，需与CUDA版本匹配（以cuDNN 8.4.1为例）：

• 下载cuDNN：访问NVIDIA cuDNN下载页面，注册账号后下载对应版本的.tgz文件（如cudnn-11.7-linux-x64-v8.4.1.50.tgz）。
• 安装cuDNN：

  tar -xzvf cudnn-11.7-linux-x64-v8.4.1.50.tgz  # 解压文件
  sudo cp cuda/include/cudnn*.h /usr/local/cuda/include  # 复制头文件
  sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64  # 复制库文件
  sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*  # 设置权限
  

5. 安装PyTorch

PyTorch提供pip和conda两种安装方式，推荐优先使用conda（依赖管理更便捷）：

5.1 使用pip安装

• CPU版本（无GPU加速）：

  pip3 install torch torchvision torchaudio
  

• GPU版本（需提前安装CUDA）：
  根据CUDA版本选择对应命令（如CUDA 11.7）：

  pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
  

5.2 使用conda安装

• CPU版本：

  conda create -n pytorch_env python=3.8  # 创建虚拟环境（可选但推荐）
  conda activate pytorch_env              # 激活环境
  conda install pytorch torchvision torchaudio cpuonly -c pytorch
  

• GPU版本：

  conda create -n pytorch_env python=3.8
  conda activate pytorch_env
  conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c conda-forge
  

  注：cudatoolkit版本需与已安装的CUDA版本一致（可通过nvcc --version查看CUDA版本）。

6. 验证安装

安装完成后，通过Python代码验证PyTorch是否正常工作及GPU是否可用：

import torch
print("PyTorch版本:", torch.__version__)  # 输出版本号
print("CUDA是否可用:", torch.cuda.is_available())  # GPU版本应返回True

注意事项

• 版本兼容性：PyTorch版本需与CUDA、cuDNN版本匹配（如PyTorch 2.0.1需CUDA 11.3+），具体要求参考PyTorch官方文档。
• 驱动问题：安装CUDA前需确保NVIDIA显卡驱动已正确安装（可通过nvidia-smi查看驱动版本）。
• 虚拟环境：建议使用虚拟环境（如conda或venv）隔离项目依赖，避免冲突。