PyTorch官方通常支持Python 3.6-3.9(不同版本可能有细微调整),需确保系统Python版本在此范围内。可通过python --version
命令查看版本,若不符合需升级或降级Python。
避免全局安装导致包冲突,推荐使用venv或conda创建虚拟环境:
python3 -m venv pytorch_env && source pytorch_env/bin/activate
conda create -n pytorch_env python=3.8 && conda activate pytorch_env
安装后通过以下代码测试基础功能及GPU可用性(若使用GPU版本):
import torch print(torch.__version__) # 查看PyTorch版本 print(torch.cuda.is_available()) # 检查GPU是否可用(返回True则表示正常)
若导入时报ImportError: No module named 'torch'
,需重新安装PyTorch。
nvcc --version
查看CUDA版本,或cat /usr/local/cuda/version.txt
确认。cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR
查看cuDNN主版本。~/.bashrc
:export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
执行source ~/.bashrc
使配置生效。LD_LIBRARY_PATH
是否包含CUDA的lib64
目录(如/usr/local/cuda/lib64
),并通过ldconfig
更新缓存。sm_75
),并安装支持该架构的PyTorch版本(如CUDA 11.8+)。lib
目录(如/usr/local/cuda/lib64
)加入LD_LIBRARY_PATH
。CentOS系统需保持最新状态,避免因库版本过旧导致兼容性问题:
sudo yum update -y # 更新系统 sudo yum install -y epel-release gcc openssl-devel bzip2-devel libffi-devel # 安装必要依赖
同时更新PyTorch及相关库至最新版本:
pip install --upgrade pip setuptools torch torchvision torchaudio # pip方式 conda update pytorch torchvision torchaudio -c pytorch # conda方式
运行PyTorch代码时,若报错需仔细阅读完整错误堆栈,其中通常包含具体错误类型(如CUDA out of memory
、ModuleNotFoundError
)和触发位置。可根据错误信息针对性解决:
batch_size
)或释放无用变量。pip install missing_module
)。若以上步骤无法解决,建议查阅PyTorch官方文档(如PyTorch CentOS安装指南)或在社区论坛(如Stack Overflow、PyTorch GitHub Issues)搜索类似问题,获取针对性解决方案。