centos pytorch如何训练

在 CentOS 上使用 PyTorch 进行模型训练，一般流程如下。下面从环境准备 → 安装 PyTorch → 编写训练代码 → 启动训练逐步说明，适用于服务器（无 GUI）环境。

一、系统环境准备（CentOS）

1. 更新系统

sudo yum update -y

2. 安装基础依赖

sudo yum install -y \
  gcc gcc-c++ make \
  wget curl git \
  python3 python3-devel

3. 安装 pip

python3 -m ensurepip --upgrade
python3 -m pip install --upgrade pip

二、创建 Python 虚拟环境（推荐）

python3 -m venv pytorch_env
source pytorch_env/bin/activate

三、安装 PyTorch（CPU / GPU）

1. CPU 版本

pip install torch torchvision torchaudio

2. GPU 版本（CUDA）

先确认 CUDA 版本：

nvidia-smi

例如 CUDA 12.1：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

四、准备训练代码（示例）

示例：简单的 PyTorch 训练脚本 train.py

import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader, TensorDataset

# 构造假数据
x = torch.randn(1000, 10)
y = torch.randn(1000, 1)

dataset = TensorDataset(x, y)
loader = DataLoader(dataset, batch_size=32, shuffle=True)

# 定义模型
model = nn.Sequential(
    nn.Linear(10, 64),
    nn.ReLU(),
    nn.Linear(64, 1)
)

criterion = nn.MSELoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)

# 训练
for epoch in range(10):
    for bx, by in loader:
        optimizer.zero_grad()
        loss = criterion(model(bx), by)
        loss.backward()
        optimizer.step()
    print(f"Epoch {epoch+1}, Loss: {loss.item():.4f}")

五、运行训练

python train.py

使用 GPU

device = "cuda" if torch.cuda.is_available() else "cpu"
model.to(device)

六、后台 / 长时间训练（CentOS 服务器常用）

1. nohup

nohup python train.py > train.log 2>&1 &

2. screen（推荐）

screen -S train
python train.py
# Ctrl+A+D 退出

七、常见问题

1. GLIBC 版本过低

升级 CentOS 或使用 conda：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

2. 多卡训练

model = nn.DataParallel(model)

如果你有 具体任务（如图像分类 / NLP / 目标检测） 或 CentOS 版本 / GPU 型号，我可以给你更精准的训练示例。