CentOS系统PyTorch依赖库如何安装

在CentOS系统上安装PyTorch及其依赖库，可以按照以下步骤进行：

1. 更新系统

首先，确保你的系统是最新的：

sudo yum update -y

2. 安装必要的依赖库

PyTorch需要一些基本的依赖库，包括编译工具和Python环境。你可以使用以下命令安装这些依赖：

sudo yum groupinstall -y "Development Tools"
sudo yum install -y python3 python3-devel python3-pip

3. 创建虚拟环境（可选）

为了隔离项目环境，建议创建一个Python虚拟环境：

python3 -m venv pytorch_env
source pytorch_env/bin/activate

4. 安装PyTorch

PyTorch提供了多种安装方式，包括通过pip安装预编译的二进制包或从源代码编译。以下是通过pip安装预编译二进制包的方法：

安装CPU版本

pip install torch torchvision torchaudio

安装GPU版本（需要CUDA支持）

如果你有NVIDIA GPU并且已经安装了CUDA，可以选择安装支持GPU的PyTorch版本。首先，确保你已经安装了CUDA Toolkit和cuDNN库。然后，使用以下命令安装GPU版本的PyTorch：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

请根据你的CUDA版本选择合适的URL。例如，如果你的CUDA版本是11.3，就使用上面的URL。

5. 验证安装

安装完成后，可以通过以下命令验证PyTorch是否安装成功：

import torch
print(torch.__version__)
print(torch.cuda.is_available())  # 如果安装了GPU版本，应该返回True

6. 安装其他依赖库

根据你的项目需求，可能还需要安装其他依赖库。可以使用pip进行安装：

pip install numpy pandas matplotlib scipy

7. 安装CUDA Toolkit和cuDNN（如果需要GPU支持）

如果你还没有安装CUDA Toolkit和cuDNN库，可以从NVIDIA官方网站下载并安装。

安装CUDA Toolkit

1. 下载CUDA Toolkit安装包：

   wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_460.32.03_linux.run
   

2. 运行安装程序：

   sudo sh cuda_11.3.1_460.32.03_linux.run
   

3. 按照提示完成安装，并设置环境变量：

   echo 'export PATH=/usr/local/cuda-11.3/bin:$PATH' >> ~/.bashrc
   echo 'export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
   source ~/.bashrc
   

安装cuDNN

1. 下载cuDNN库（需要注册NVIDIA开发者账号）：
   • cuDNN Archive
2. 解压下载的文件并将文件复制到CUDA目录：

   tar -xzvf cudnn-11.3-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*
   

完成以上步骤后，你应该能够在CentOS系统上成功安装并运行PyTorch及其依赖库。