CentOS环境下PyTorch如何配置GPU

在CentOS环境下配置PyTorch以使用GPU，你需要确保你的系统满足以下条件：

1. 一台配备NVIDIA GPU的服务器。
2. 已安装CUDA Toolkit。
3. 已安装cuDNN库。
4. 已安装NVIDIA驱动程序。

以下是配置步骤：

1. 安装NVIDIA驱动程序

首先，你需要安装适合你GPU型号的NVIDIA驱动程序。你可以从NVIDIA官方网站下载驱动程序，并按照说明进行安装。

# 添加NVIDIA驱动程序仓库
distribution=$(. /etc/os-release;
    echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

# 安装NVIDIA驱动程序
sudo apt-get update &
    &
     sudo apt-get install -y nvidia-driver-<
    version>
    

替换 < version> 为你需要安装的驱动版本号。

2. 安装CUDA Toolkit

访问NVIDIA CUDA Toolkit下载页面，选择适合你系统的版本并下载。然后按照说明进行安装。

# 下载CUDA Toolkit
wget https://developer.download.nvidia.com/compute/cuda/<
    version>
    /local_installers/cuda_<
    version>
    _linux.run

# 安装CUDA Toolkit
sudo sh cuda_<
    version>
    _linux.run

替换 < version> 为你下载的CUDA版本号。

3. 安装cuDNN库

访问NVIDIA cuDNN下载页面，下载适合你CUDA版本的cuDNN库。然后按照说明进行安装。

# 解压cuDNN文件
tar -xzvf cudnn-<
    version>
    -linux-x64-v<
    version>
    .tgz

# 复制cuDNN文件到CUDA目录
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*

替换 < version> 为你下载的cuDNN版本号。

4. 配置环境变量

编辑 ~/.bashrc 文件，添加以下内容：

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

然后运行 source ~/.bashrc 使更改生效。

5. 安装PyTorch

你可以使用 pip 安装PyTorch。访问PyTorch官方网站，选择适合你系统的安装命令。

# 安装PyTorch
pip install torch torchvision torchaudio

6. 验证安装

运行以下命令验证PyTorch是否能够检测到GPU：

import torch
print(torch.cuda.is_available())
print(torch.cuda.current_device())
print(torch.cuda.get_device_name(torch.cuda.current_device()))

如果输出显示 True 和你的GPU型号，说明配置成功。

通过以上步骤，你应该能够在CentOS环境下成功配置PyTorch以使用GPU。

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！