PyTorch在CentOS中的運行環境怎么搭建

一、前置準備：更新系統與基礎依賴

在CentOS上搭建PyTorch運行環境前，需先確保系統為最新狀態，并安裝必要的基礎工具與庫：

1. 更新系統包：運行sudo yum update -y，同步系統軟件包至最新版本，避免兼容性問題。
2. 安裝開發工具組：通過sudo yum groupinstall -y "Development Tools"安裝gcc、make等編譯工具，后續編譯依賴或源碼時需用到。
3. 安裝Python與pip：PyTorch依賴Python 3.6及以上版本，運行sudo yum install -y python3 python3-devel python3-pip安裝Python 3及開發頭文件、pip包管理工具。

二、創建虛擬環境（可選但推薦）

為隔離項目依賴、避免版本沖突，建議使用虛擬環境：

1. 創建虛擬環境：通過python3 -m venv pytorch_env命令創建名為pytorch_env的虛擬環境（名稱可自定義）。
2. 激活虛擬環境：運行source pytorch_env/bin/activate，激活后終端提示符會顯示環境名（如(pytorch_env)），后續操作均在虛擬環境中進行。

三、安裝PyTorch：選擇pip或conda方式

1. pip安裝（主流方式）

pip是Python默認包管理工具，適合大多數用戶。需根據是否需要GPU加速選擇對應命令：

• CPU版本：直接運行pip install torch torchvision torchaudio，安裝CPU-only版本的PyTorch，無需GPU支持。
• GPU版本：需匹配CUDA版本（如CUDA 11.7），運行pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117，安裝支持CUDA加速的PyTorch。

2. conda安裝（適合Anaconda用戶）

若已安裝Anaconda/Miniconda，可通過conda管理環境和依賴：

1. 創建conda環境：運行conda create -n pytorch_env python=3.8（Python版本需與PyTorch兼容），創建名為pytorch_env的環境。
2. 激活環境：運行conda activate pytorch_env。
3. 安裝PyTorch：根據CUDA版本選擇命令（如CUDA 11.7），運行conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch，conda會自動解決依賴關系。

四、驗證安裝

安裝完成后，需驗證PyTorch是否正確安裝及GPU是否可用：

1. 打開Python解釋器：運行python進入交互模式。
2. 導入PyTorch并檢查版本：輸入import torch，無報錯則繼續；運行print(torch.__version__)，顯示版本號（如2.2.1）表示安裝成功。
3. 檢查GPU支持：運行print(torch.cuda.is_available())，若返回True則表示GPU加速可用（需提前安裝CUDA和cuDNN）；若返回False則為CPU版本或GPU驅動未配置。

五、常見問題解決

1. 依賴沖突

若安裝時出現依賴沖突（如舊版本庫不兼容），可添加--setopt=obsoletes=0參數忽略過時包，例如sudo yum install -y --setopt=obsoletes=0 python3-devel。

2. 缺少CUDA/cuDNN

若需GPU支持但未安裝CUDA/cuDNN，需按以下步驟補充：

• 安裝CUDA Toolkit：從NVIDIA官網下載對應版本的CUDA RPM包（如CUDA 11.7），運行sudo rpm -i cuda-repo-rhel7-<version>.rpm添加倉庫，再執行sudo yum clean all && sudo yum install -y cuda安裝。
• 配置CUDA環境變量：編輯~/.bashrc文件，添加export PATH=/usr/local/cuda/bin:$PATH（CUDA可執行文件路徑）和export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH（CUDA庫路徑），運行source ~/.bashrc生效。
• 安裝cuDNN：從NVIDIA官網下載與CUDA版本匹配的cuDNN包（如cuDNN 8.9.7 for CUDA 11.7），解壓后復制頭文件和庫文件至CUDA目錄（sudo cp cuda/include/cudnn*.h /usr/local/cuda/include、sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64），并賦予讀權限（sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*）。