本文将指导您如何在centos系统上构建PyTorch开发环境，包括CPU和GPU加速两种方案。
第一步：系统更新
首先，更新您的CentOS系统到最新版本：
sudo yum update -y
第二步：安装依赖项
安装PyTorch所需的依赖包：
sudo yum groupinstall -y "Development Tools" sudo yum install -y cmake3 git python3 python3-devel numpy
第三步：安装CUDA（可选，GPU加速）
如果您需要GPU加速，请按照以下步骤安装CUDA 11.7（或其他兼容版本）：
-
下载CUDA Toolkit: 访问NVIDIA CUDA Toolkit下载页面，下载适合您CentOS版本的安装包。
-
安装CUDA Toolkit:
sudo rpm -i cuda-repo-rhel7-11-7-local-11.7.0-1.x86_64.rpm # 请替换为您的实际文件名 sudo yum clean all sudo yum install -y cuda
- 设置环境变量: 编辑~/.bashrc文件，添加以下内容：
export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
保存文件并运行以下命令使环境变量生效：
source ~/.bashrc
第四步：安装cuDNN（可选，GPU加速）
如果您需要GPU加速，还需要安装cuDNN 8.6（或其他与CUDA版本兼容的版本）：
-
下载cuDNN: 访问NVIDIA cuDNN下载页面，下载与CUDA 11.7版本兼容的cuDNN安装包。
-
安装cuDNN: 解压下载文件，并将文件复制到CUDA目录：
tar -xzvf cudnn-11.7-linux-x64-v8.6.0.26.tgz # 请替换为您的实际文件名 sudo cp cuda/include/cudnn*.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
第五步：安装PyTorch
使用pip安装PyTorch：
- CPU版本:
pip3 install torch torchvision torchaudio
- GPU版本 (CUDA 11.7):
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 ``` (请根据您的CUDA版本调整`cu117`) **第六步：验证安装** 运行以下Python代码验证PyTorch是否安装成功： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) # GPU加速情况下应返回True
第七步：安装其他常用库（可选）
根据您的需求，安装其他Python库，例如：
pip3 install pandas matplotlib scikit-learn
总结
通过以上步骤，您可以在CentOS系统上成功搭建PyTorch开发环境。 请根据您的实际需求选择CPU或GPU版本，并安装相应的依赖项和库。 请注意替换指令中的文件名和CUDA版本号为您的实际情况。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
