CentOS与PyTorch集成教程来啦！

CentOS 集成 PyTorch 实操教程

一 环境准备与系统检查

• 更新系统与基础工具
  • 执行：sudo yum update -y
  • 安装编译与 Python 依赖：sudo yum install -y gcc gcc-c++ make cmake3 git wget python3 python3-pip python3-devel
• 准备 GPU 环境（如可用）
  • 确认 NVIDIA 驱动 与 CUDA 就绪：nvidia-smi、nvcc --version
  • 如需使用 conda 管理 CUDA 运行时，可后续通过 cudatoolkit 安装对应版本
• 建议做法
  • 使用 虚拟环境 或 Miniconda/Anaconda 隔离依赖，避免系统环境污染

二 三种常用安装方式

• 方式一 pip 安装（通用、简洁）
  • CPU 版：pip install torch torchvision torchaudio
  • GPU 版（示例为 CUDA 11.7）：pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
  • 其他 CUDA 版本（示例）：--extra-index-url https://download.pytorch.org/whl/cu113/cu116/cu120
• 方式二 Conda 安装（便于管理 cudatoolkit）
  • CPU 版：conda install pytorch torchvision torchaudio cpuonly -c pytorch
  • GPU 版（示例为 CUDA 11.7）：conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch
• 方式三 Docker 部署（环境一致性最佳）
  • 直接使用官方镜像：docker run --gpus all -it --rm pytorch/pytorch:latest bash
  • 或编写 Dockerfile（以 Miniconda 为基础镜像，复制代码并 pip install -r requirements.txt）后构建运行
• 版本选择建议
  • 优先选择与驱动匹配的 CUDA 主版本；不确定时先用 CPU 版 验证环境，再切换到 GPU 版

三 安装验证与常见问题

• 快速验证
  • python - < < 'PY' import torch print("torch:", torch.__version__) print("cuda:", torch.cuda.is_available()) if torch.cuda.is_available(): print("device:", torch.cuda.get_device_name(0)) PY
• 常见问题速查
  • nvcc --version 找不到：安装/配置 CUDA Toolkit，或改用 conda 的 cudatoolkit
  • pip 安装慢/失败：升级 pip（pip install -U pip），使用国内镜像或官方 whl 源
  • GPU 版 torch.cuda.is_available() 为 False：检查 驱动版本、CUDA 与 PyTorch 版本匹配、容器是否启用 --gpus
  • 多版本 Python 冲突：优先使用 venv/conda 并在激活环境中安装与运行

四 进阶与部署

• 源码编译（特殊需求时使用）
  • 依赖示例：gcc > = 7.3.0、cmake > = 3.12.0；克隆 PyTorch 仓库后 git submodule update --init --recursive，按需设置环境变量并执行 python setup.py install
• 模型部署与加速
  • 序列化与跨平台推理：使用 TorchScript（torch.jit.trace/script）或 ONNX 导出，服务端可用 ONNX Runtime 推理
  • 生产交付：优先采用 Docker 镜像封装运行环境，结合 GPU 直通或 NVIDIA Container Toolkit 使用

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！