CentOS环境下PyTorch如何配置GPU

在CentOS环境下配置PyTorch以使用GPU，你需要确保你的系统满足以下条件：

一台配备NVIDIA GPU的服务器。
已安装CUDA Toolkit。
已安装cuDNN库。
已安装NVIDIA驱动程序。

以下是配置步骤：

1. 安装NVIDIA驱动程序

首先，你需要安装适合你GPU型号的NVIDIA驱动程序。你可以从NVIDIA官方网站下载驱动程序，并按照说明进行安装。

# 添加NVIDIA驱动程序仓库 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list # 安装NVIDIA驱动程序 sudo apt-get update && sudo apt-get install -y nvidia-driver-<version>

替换 <version> 为你需要安装的驱动版本号。

2. 安装CUDA Toolkit

访问NVIDIA CUDA Toolkit下载页面，选择适合你系统的版本并下载。然后按照说明进行安装。

# 下载CUDA Toolkit wget https://developer.download.nvidia.com/compute/cuda/<version>/local_installers/cuda_<version>_linux.run # 安装CUDA Toolkit sudo sh cuda_<version>_linux.run

替换 <version> 为你下载的CUDA版本号。

3. 安装cuDNN库

访问NVIDIA cuDNN下载页面，下载适合你CUDA版本的cuDNN库。然后按照说明进行安装。

# 解压cuDNN文件 tar -xzvf cudnn-<version>-linux-x64-v<version>.tgz # 复制cuDNN文件到CUDA目录 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*

替换 <version> 为你下载的cuDNN版本号。

4. 配置环境变量

编辑 ~/.bashrc 文件，添加以下内容：

export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

然后运行 source ~/.bashrc 使更改生效。

5. 安装PyTorch

你可以使用 pip 安装PyTorch。访问PyTorch官方网站，选择适合你系统的安装命令。

# 安装PyTorch pip install torch torchvision torchaudio

6. 验证安装

运行以下命令验证PyTorch是否能够检测到GPU：

import torch print(torch.cuda.is_available()) print(torch.cuda.current_device()) print(torch.cuda.get_device_name(torch.cuda.current_device()))

如果输出显示 True 和你的GPU型号，说明配置成功。

通过以上步骤，你应该能够在CentOS环境下成功配置PyTorch以使用GPU。