如何在CentOS上配置PyTorch

在 CentOS 上配置 PyTorch 的完整步骤

一 环境准备

• 更新系统与基础工具
  • 执行：sudo yum update -y
  • 安装编译与基础依赖：sudo yum groupinstall -y "Development Tools" 与 sudo yum install -y python3 python3-devel python3-pip cmake3 git wget
• 建议的 Python 版本
  • 选择 Python 3.8–3.11（与主流 PyTorch 版本兼容，便于后续包管理）。如使用 conda，可直接指定版本创建环境。

二 创建虚拟环境

• 使用 venv（系统自带，轻量）
  • 创建：python3 -m venv ~/venvs/pytorch
  • 激活：source ~/venvs/pytorch/bin/activate
• 使用 conda（便于多版本与二进制管理）
  • 安装 Miniconda（示例）：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh && bash Miniconda3-latest-Linux-x86_64.sh
  • 创建环境：conda create -n pytorch python=3.10 -y && conda activate pytorch
• 通用建议
  • 在虚拟环境中先升级 pip：pip install -U pip wheel setuptools。

三 安装 PyTorch

• CPU 版本（通用、最省心）
  • 命令：pip install torch torchvision torchaudio
• GPU 版本（需 NVIDIA 驱动与 CUDA）
  • 先确认驱动与 CUDA 运行时：
    • 查看驱动/CUDA 运行时：nvidia-smi（右上显示 Supported/Runtime CUDA）
    • 查看工具链：nvcc --version（如已安装 CUDA Toolkit）
  • 按 CUDA 版本选择安装命令（示例）：
    • CUDA 11.7：pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
    • CUDA 11.3：pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
    • CUDA 12.1（可用 wheel 直装）：
      • 下载：wget https://download.pytorch.org/whl/cu121/torch-2.2.1%2Bcu121-cp310-cp310-linux_x86_64.whl
      • 安装：pip install torch-2.2.1%2Bcu121-cp310-cp310-linux_x86_64.whl
  • 说明
    • 若 nvidia-smi 显示的 CUDA 与 nvcc 不一致，通常以 nvidia-smi 的 Runtime CUDA 为准选择 PyTorch 预编译包。

四 验证与常见问题

• 验证安装
  • 运行 Python：
    • import torch; print(torch.__version__); print(torch.cuda.is_available())
    • GPU 正常应返回 True，并显示正确的 CUDA 版本；CPU 版本返回 False。
• 常见故障排查
  • 找不到 CUDA：确认已安装 NVIDIA 驱动，并在 ~/.bashrc 中设置环境变量
    • export PATH=/usr/local/cuda/bin:$PATH
    • export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
    • 使配置生效：source ~/.bashrc
  • 下载慢或超时：可临时使用国内镜像（如清华源）配置 pip/conda，或在稳定网络环境下重试。

五 后续配置与扩展

• 常用科学计算库
  • pip install numpy pandas matplotlib scikit-learn
• IDE 与解释器
  • PyCharm：Settings → Project → Python Interpreter → 选择虚拟环境的 bin/python
  • VS Code：安装 Python 扩展 → 终端激活虚拟环境 → 选择解释器路径为虚拟环境的 bin/python
• 何时考虑源码编译
  • 需要特定版本、插件（如 NPU/自定义算子）或特殊编译选项时再选择源码构建；常规场景优先使用官方预编译 wheel。