本文將指導您如何在centos系統上構建pytorch開發環境，包括CPU和GPU加速兩種方案。
第一步：系統更新
首先，更新您的CentOS系統到最新版本：
sudo yum update -y
第二步：安裝依賴項
安裝PyTorch所需的依賴包：
sudo yum groupinstall -y "Development Tools" sudo yum install -y cmake3 git Python3 python3-devel numpy
第三步：安裝CUDA（可選，GPU加速）
如果您需要GPU加速，請按照以下步驟安裝CUDA 11.7（或其他兼容版本）：
-
下載CUDA Toolkit: 訪問NVIDIA CUDA Toolkit下載頁面，下載適合您CentOS版本的安裝包。
-
安裝CUDA Toolkit:
sudo rpm -i cuda-repo-rhel7-11-7-local-11.7.0-1.x86_64.rpm # 請替換為您的實際文件名 sudo yum clean all sudo yum install -y cuda
- 設置環境變量: 編輯~/.bashrc文件，添加以下內容：
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}}
保存文件并運行以下命令使環境變量生效：
source ~/.bashrc
第四步：安裝cuDNN（可選，GPU加速）
如果您需要GPU加速，還需要安裝cuDNN 8.6（或其他與CUDA版本兼容的版本）：
-
下載cuDNN: 訪問NVIDIA cuDNN下載頁面，下載與CUDA 11.7版本兼容的cuDNN安裝包。
-
安裝cuDNN: 解壓下載文件，并將文件復制到CUDA目錄：
tar -xzvf cudnn-11.7-Linux-x64-v8.6.0.26.tgz # 請替換為您的實際文件名 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：安裝PyTorch
使用pip安裝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 ``` (請根據您的CUDA版本調整`cu117`) **第六步：驗證安裝** 運行以下Python代碼驗證PyTorch是否安裝成功： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) # GPU加速情況下應返回True
第七步：安裝其他常用庫（可選）
根據您的需求，安裝其他Python庫，例如：
pip3 install pandas matplotlib scikit-learn
總結
通過以上步驟，您可以在CentOS系統上成功搭建PyTorch開發環境。 請根據您的實際需求選擇CPU或GPU版本，并安裝相應的依賴項和庫。 請注意替換指令中的文件名和CUDA版本號為您的實際情況。
