CentOS 上 PyTorch 的依赖库与版本要求
系统级依赖
- 基础工具与构建链：Development Tools（包含 gcc、make 等）、cmake3、git、wget。
- Python 运行与开发：python3、python3-devel、python3-pip。
- 常见图像处理依赖：patch、libjpeg-turbo-devel、dos2unix。
- CPU 线性代数库：openblas（或系统可用的 BLAS/LAPACK 实现）。
以上为在 CentOS 上通过源码编译或使用官方预编译包时常见的系统级依赖项。
GPU 相关依赖（可选）
- CUDA Toolkit：需与所选 PyTorch 版本匹配（如 CUDA 11.x 等）。
- cuDNN：与 CUDA 版本兼容的深度学习加速库。
- 环境配置：安装后设置 PATH 与 LD_LIBRARY_PATH，例如将 /usr/local/cuda/bin 加入 PATH，将 /usr/local/cuda/lib64 加入 LD_LIBRARY_PATH。
若不使用 GPU，可仅安装 CPU 版本，无需上述组件。
Python 依赖
- 核心数值库：numpy。
- 科学计算与数据处理：scipy、pandas。
- 可视化：matplotlib。
这些为深度学习开发与训练常用的配套库，建议与 PyTorch 一并安装。
版本要求与注意事项
- 编译器与构建工具：建议 gcc ≥ 7.3.0、cmake ≥ 3.12.0；若安装 PyTorch 1.11.0，建议 gcc ≥ 7.5.0。
- Python 版本：建议使用 Python 3.6+。
- 验证安装：执行
python3 -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"，确认版本与 GPU 可用性。