PyTorch在CentOS中的运行环境怎么搭建

一、前置准备：更新系统与基础依赖

在CentOS上搭建PyTorch运行环境前，需先确保系统为最新状态，并安装必要的基础工具与库：

1. 更新系统包：运行sudo yum update -y，同步系统软件包至最新版本，避免兼容性问题。
2. 安装开发工具组：通过sudo yum groupinstall -y "Development Tools"安装gcc、make等编译工具，后续编译依赖或源码时需用到。
3. 安装Python与pip：PyTorch依赖Python 3.6及以上版本，运行sudo yum install -y python3 python3-devel python3-pip安装Python 3及开发头文件、pip包管理工具。

二、创建虚拟环境（可选但推荐）

为隔离项目依赖、避免版本冲突，建议使用虚拟环境：

1. 创建虚拟环境：通过python3 -m venv pytorch_env命令创建名为pytorch_env的虚拟环境（名称可自定义）。
2. 激活虚拟环境：运行source pytorch_env/bin/activate，激活后终端提示符会显示环境名（如(pytorch_env)），后续操作均在虚拟环境中进行。

三、安装PyTorch：选择pip或conda方式

1. pip安装（主流方式）

pip是Python默认包管理工具，适合大多数用户。需根据是否需要GPU加速选择对应命令：

• CPU版本：直接运行pip install torch torchvision torchaudio，安装CPU-only版本的PyTorch，无需GPU支持。
• GPU版本：需匹配CUDA版本（如CUDA 11.7），运行pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117，安装支持CUDA加速的PyTorch。

2. conda安装（适合Anaconda用户）

若已安装Anaconda/Miniconda，可通过conda管理环境和依赖：

1. 创建conda环境：运行conda create -n pytorch_env python=3.8（Python版本需与PyTorch兼容），创建名为pytorch_env的环境。
2. 激活环境：运行conda activate pytorch_env。
3. 安装PyTorch：根据CUDA版本选择命令（如CUDA 11.7），运行conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch，conda会自动解决依赖关系。

四、验证安装

安装完成后，需验证PyTorch是否正确安装及GPU是否可用：

1. 打开Python解释器：运行python进入交互模式。
2. 导入PyTorch并检查版本：输入import torch，无报错则继续；运行print(torch.__version__)，显示版本号（如2.2.1）表示安装成功。
3. 检查GPU支持：运行print(torch.cuda.is_available())，若返回True则表示GPU加速可用（需提前安装CUDA和cuDNN）；若返回False则为CPU版本或GPU驱动未配置。

五、常见问题解决

1. 依赖冲突

若安装时出现依赖冲突（如旧版本库不兼容），可添加--setopt=obsoletes=0参数忽略过时包，例如sudo yum install -y --setopt=obsoletes=0 python3-devel。

2. 缺少CUDA/cuDNN

若需GPU支持但未安装CUDA/cuDNN，需按以下步骤补充：

• 安装CUDA Toolkit：从NVIDIA官网下载对应版本的CUDA RPM包（如CUDA 11.7），运行sudo rpm -i cuda-repo-rhel7-< version> .rpm添加仓库，再执行sudo yum clean all & & sudo yum install -y cuda安装。
• 配置CUDA环境变量：编辑~/.bashrc文件，添加export PATH=/usr/local/cuda/bin:$PATH（CUDA可执行文件路径）和export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH（CUDA库路径），运行source ~/.bashrc生效。
• 安装cuDNN：从NVIDIA官网下载与CUDA版本匹配的cuDNN包（如cuDNN 8.9.7 for CUDA 11.7），解压后复制头文件和库文件至CUDA目录（sudo cp cuda/include/cudnn*.h /usr/local/cuda/include、sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64），并赋予读权限（sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*）。

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！