CentOS中PyTorch库更新攻略

CentOS 中 PyTorch 库更新攻略

一 更新前准备

• 备份环境与数据：导出当前依赖清单，便于回滚与复现。示例：pip freeze > requirements.txt 或 conda env export > env.yml。
• 使用虚拟环境：优先在 venv/conda 中操作，避免污染系统 Python。
• 升级基础工具：确保 pip 较新（pip install -U pip），并准备编译依赖（如 gcc、openssl-devel、bzip2-devel、libffi-devel）。
• 明确目标版本与硬件：确认是 CPU 还是 GPU，以及 CUDA/cuDNN 的兼容矩阵；GPU 场景需保证驱动与 CUDA 版本与所选 PyTorch 版本匹配。
• 网络与权限：准备稳定网络；如在系统 Python 中安装，可能需要 sudo。

二 标准更新流程

• 方案 A｜pip 更新（通用、轻量）
  1. 查看当前版本：pip show torch
  2. 升级 PyTorch（连同生态）：pip install --upgrade torch torchvision torchaudio
  3. 验证：python - <<'PY' import torch print("torch:", torch.__version__) print("cuda:", torch.cuda.is_available()) PY
  4. 指定版本：pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0
• 方案 B｜conda 更新（便于管理 CUDA 依赖）
  1. 激活环境：conda activate <your_env>
  2. 查看版本：conda list torch
  3. 升级：conda update pytorch torchvision torchaudio cudatoolkit=<your_cuda_version> -c pytorch
  4. CPU 专用：conda install pytorch torchvision torchaudio cpuonly -c pytorch
  5. 验证：python -c "import torch; print(torch.__version__, torch.cuda.is_available())"
• 方案 C｜重装法（遇到冲突/不一致时）
  1. 卸载：pip uninstall torch torchvision torchaudio 或 conda remove pytorch torchvision torchaudio cudatoolkit
  2. 按目标版本与 CUDA 重新安装（见下一节命令模板）。

三 命令模板与版本选择

• 选择原则：优先匹配 Python 版本 与 CUDA 版本；不确定时先选 CPU 版验证环境，再切换到 GPU 版。
• 常用命令模板（按需替换 CUDA 版本号，如 11.8、12.1）：

• 国内加速（可选）：
  • Conda 清华源：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ && conda config --set show_channel_urls yes
  • Pip 临时镜像：在 pip 命令后追加 -i https://pypi.tuna.tsinghua.edu.cn/simple。

四 验证与回滚

• 快速验证：
  • 版本与设备：python - <<'PY' import torch print("torch:", torch.__version__) print("cuda:", torch.cuda.is_available()) print("cudnn:", torch.backends.cudnn.version() if torch.cuda.is_available() else "N/A") PY
  • 简单计算：python - <<'PY' import torch x = torch.randn(2,3).cuda() if torch.cuda.is_available() else torch.randn(2,3) print(x @ x.T) PY
• 常见问题速解：
  • 版本冲突/依赖不一致：优先用“重装法”；必要时固定版本（如 torch==2.1.0）。
  • NumPy 与 torch 不匹配：可尝试 pip install "numpy<2.0" 再复测。
  • 找不到 conda 环境：确认 Anaconda/Miniconda 已正确安装并激活环境。
• 回滚方案：
  • Pip：pip install torch==<old_version> torchvision==<old_version> torchaudio==<old_version>
  • Conda：conda install pytorch=<old_version> torchvision=<old_version> torchaudio=<old_version> cudatoolkit=<old_version> -c pytorch，或使用已导出的 env.yml 重建环境：conda env create -f env.yml。