PyTorch CentOS依赖如何解决

CentOS 上解决 PyTorch 依赖的实用步骤

一 基础环境准备

• 更新系统与基础工具：执行 sudo yum update -y，随后安装编译与构建工具：sudo yum groupinstall -y "Development Tools" 以及 sudo yum install -y cmake3 git wget gcc gcc-c++ make。这些工具用于处理可能需要的本地扩展与依赖构建。
• 安装 Python 3 与 pip：sudo yum install -y python3 python3-pip python3-devel，确保后续能顺利编译/安装带 C 扩展的 Python 包。
• 建议使用虚拟环境隔离依赖：python3 -m venv pytorch_env && source pytorch_env/bin/activate，避免与系统包冲突。

二 GPU 依赖与驱动配置

• 安装 NVIDIA 驱动：确保已安装与显卡匹配的驱动，版本需与后续 CUDA 兼容。
• 安装 CUDA Toolkit 与 cuDNN（示例以 CUDA 11.4 为例）：
  • 安装 CUDA 仓库并本地安装：wget https://developer.download.nvidia.com/compute/cuda/repos/rhel7/x86_64/cuda-repo-rhel7-11.4.2-1.x86_64.rpm，然后 sudo yum localinstall cuda-repo-rhel7-11.4.2-1.x86_64.rpm && sudo yum clean all && sudo yum install -y cuda。
  • 安装 cuDNN（需注册 NVIDIA 账号）：下载对应版本（如 cudnn-11.4-linux-x64-v8.2.2.26.tgz），解压并拷贝到 CUDA 目录：
    tar -xzvf cudnn-11.4-linux-x64-v8.2.2.26.tgz
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*
• 配置环境变量（写入 ~/.bashrc 或系统 profile）：
  export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
  执行 source ~/.bashrc 使配置生效。

三 PyTorch 安装与版本匹配

• 使用 pip 安装（CPU 版）：pip install torch torchvision torchaudio。
• 使用 pip 安装（GPU 版，需与 CUDA 版本匹配）：例如 CUDA 11.4 使用
  pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu114。
• 使用 conda 安装（更利于管理 CUDA 运行时与依赖）：
  • 安装 Miniconda/Anaconda 后创建环境：conda create -n pytorch_env python=3.8 并激活。
  • 安装 PyTorch 与对应 cudatoolkit：conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c conda-forge（将 11.3 替换为你的 CUDA 版本）。
• 版本匹配要点：确保 PyTorch 版本 ↔ CUDA 版本 ↔ cuDNN 版本 相互兼容；如需指定 CUDA 版本，可在 PyTorch 官网获取对应安装命令。

四 验证安装与常见依赖报错处理

• 验证安装：运行 python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"，正常应输出版本号且 GPU 环境返回 True。
• 常见报错与处理：
  • ImportError: No module named torch：说明包未装到当前环境，确认已激活虚拟环境或重新安装。
  • RuntimeError: CUDA error: no kernel image is available for execution on the device：CUDA 与 PyTorch 版本不匹配或 GPU 架构不支持，升级/降级 PyTorch 或安装适配架构的版本。
  • ImportError: libcudnn.so.8: cannot open shared object file：cuDNN 未正确安装或库路径未加入 LD_LIBRARY_PATH，检查 cuDNN 文件与环境变量配置。